Лепка из: Чем полезна лепка из пластилина и как освоить увлекательное хобби

Программа «Лепка из пластилина»

Волкова Екатерина Дмитриевна

Педагог высшей квалификационной категории.

Образование: высшее (НГПУ Новосибирский государственный педагогический университет), 2009 год.

Стаж педагогической деятельности: с 2007 года.

Профессиональная переподготовка:

11.05.2010-10.11.2011, НИПКиПРО, «Профессиональная переподготовка по логопедии».

12.10.2017-18.01.2018, ГЦРО «Актуальные вопросы организации воспитания в ОУ».

27-30.03.2018, НГХУ, «Выразительные средства композиции».

Достижения:

— Министерство Образования, науки и инновационной политики Новосибирской области.

Новосибирская областная общественная организация профсоюза работников народного образования и науки РФ (2013). Диплом лауреата (за участие в фестивале художественного творчества работников образования Новосибирской области «Признание»).

— Государственное автономное образовательное учреждение дополнительного профессионального образования Новосибирской области «Новосибирский институт повышения квалификации и переподготовки работников образования» (2014) Благодарность (за подготовку и проведение мастер-класса на семинаре для специалистов учреждений культуры г. Новосибирска и Новосибирской области.

— МБОУ ДОД города Новосибирска.

Центр внешкольной работы «Галактика» (2014) Благодарственное письмо (за высокий профессионализм, мудрость, чуткость, внимание и любовь к ученикам).

— Благодарственное письмо совета депутатов города Новосибирска (2014) Н.Н.Болтенко (за организацию и проведение фестивалей, конкурсов, которые способствуют поддержке и поощрению творческого потенциала детских коллективов города).

— Главное управление образования мэрии города Новосибирска (2014) Благодарность (за высокий уровень подготовки учащихся для участия во II городском конкурсе творческих проектов «Всё начинается с идеи!»).

— МБУДО г. Новосибирска «ЦРТДиЮ «Заельцовский» (2017) Благодарность (за активное участие в реализации летней программы отдыха и занятости детей и подростков «Маршрутами лета 2017»).

— Министерство культуры Новосибирской области.

Новосибирский государственный областной Дом народного творчества (2017) Благодарственное письмо (за сотрудничество и высокий уровень проведения регионального семинара «Профессиональное мастерство методиста учреждения сферы культуры»).

— Союз женщин Новосибирской области (2017) Благодарственное письмо (за активную жизненную позицию и за оказание помощи в проведении гуманитарно-просветительского проекта «Здоровье как созидание» на территории Северного района).

— Департамент образования мэрии города Новосибирска (2017) Благодарственное письмо (за большой вклад в формировании культуры здорового образа жизни подрастающего поколения, активное участие в VIII городском конкурсе «Мы за правильное питание»).

— Департамент образования мэрии города Новосибирска (2018) Благодарность (за высокий уровень подготовки учащихся для участия в VI городском конкурсе творческих проектов «Всё начинается с идеи!»).

— Союз женщин Новосибирской области (2019) Благодарность (за активное участие в реализации проекта «Здоровье как созидание»).

— Департамент образования мэрии города Новосибирска (2019) Благодарность (за высокий уровень подготовки учащихся для участия в VI городском конкурсе творческих проектов «Всё начинается с идеи!»).

— Департамент образования мэрии города Новосибирска (2019) Благодарность (за высокий уровень организации и проведения городского физкультурно-оздоровительного проекта «Мы вместе»).

— Департамент образования мэрии города Новосибирска (2020) Благодарность (за высокий уровень подготовки учащихся для участия в X открытом городском фестивале-конкурсе детского и юношеского творчества «Мода от А до Я»).

 

Достижения обучающихся:

— II городской конкурс творческих проектов «Все начинается с идеи», (2014). Дипломы II степени, Дипломы III степени.

— Фестиваль детского и юношеского творчества «Сибирское время», проводимого в рамках фестиваля «Школа. Творчество. Успех.» и посвященного 123-летию города Новосибирска. (2018) Диплом лауреата.

— VI городской конкурс творческих проектов «Все начинается с идеи», (2018).Диплом Специальный приз.

— Благодарственные письма конкурса рисунков «Пасхальная радость», (2018).

— VII городской конкурс творческих проектов «Все начинается с идеи», (2019). Диплом I степени, Диплом II степени, Диплом III степени.

— Всероссийский конкурс декоративно-прикладного творчества и изобразительного искусства «Палитра ремёсел – 2019». Диплом II степени.

— X открытый городской фестиваль-конкурс детского и юношеского творчества «Мода от А до Я»,(2020). Диплом Специальный приз.

Лепка из теста / Первые ступеньки

     Самым удобным материалом для лепки на начальном этапе является тесто для лепки, т.к. оно мягче и податливее, чем пластилин. В настоящее время в магазинах продается готовое тесто для лепки (некоторые производители называют его пластилином). Это тесто ярких, «правильных» цветов, оно тоже соленое и очень приятное на ощупь. Единственный его недостаток – оно быстро засыхает на воздухе, поэтому его надо хранить в плотно завязанных полиэтиленовых пакетах, иначе со временем это тесто начинает крошиться, и его приходится выбрасывать. Но в то же время этот «недостаток» компенсируется тем, что поделки из него засыхают и их можно хранить.

     Также соленое тесто для лепки вы можете приготовить в домашних условиях. Особенно важно это при занятиях с самыми маленькими, которые непрестанно тянут все в рот, ведь домашнее тесто приготовлено исключительно из пищевых продуктов лично вами!. Преимущество данного материала в его доступности по цене, в том, что оно довольно долго хранится в холодильнике в полиэтиленовом пакете, а также в том, что при его приготовлении может непосредственно участвовать ребенок, что будет ему и интересно, и познавательно.

     Не поленитесь сделать немного соленого теста для лепки. Пусть оно всегда, пока у вас маленький ребенок, хранится в холодильнике. Это очень выручает, когда вам надо чем-то занять ребенка на то время, пока вы заняты хлопотами по дому. Даже неусидчивые дети порой за этим занятием проявляют несвойственную им столь долгую концентрацию внимания на одном виде деятельности. Практически нет детей, которые отказались бы поэкспериментировать с тестом, оставляя на нем отпечатки различными предметами, поиграть с формочками и стеками или слепить что-то на свое усмотрение. Сейчас продается много книг по лепке с красочными картинками. Хорошо бы приобрести хотя бы одну-две подобные книги для того, чтобы вы и ребенок могли черпать из них идеи для своих поделок.

     Лепить можно не только из теста, предназначенного именно для лепки. Если вы готовите пельмени или вареники, дайте малышу немного теста для самостоятельной игры. Если же вы дома планируете что-то испечь, сделайте это в то время, когда ребенок бодрствует. Пусть он примет участие в приготовлении выпечки. Как правило, дети с превеликим удовольствием участвуют в подобных процессах. Все, что может помочь вам ребенок (в меру своих возможностей), позвольте ему сделать, если он того пожелает. Просите его подавать вам те или иные продукты, показывайте ему, как вы отмеряете или взвешиваете ингредиенты. Доверьте ему процесс размешивания продуктов, если это возможно. Если вам потребуется для смешивания миксер, поставьте ребенка на стул — пусть малыш наблюдает за работой миксера (естественно, предупредите его об опасности данного прибора и о необходимости соблюдать одно условие – не дотрагиваться ни в коем случае до миксера; ручки при этом можно попросить спрятать за спинку). Когда тесто будет готово, продолжите работу вместе с малышом. Если тесто сразу необходимо перелить в форму для выпекания, этот этап работы тоже сделайте вместе. Если перед выпечкой необходимо смазать изделие яйцом, доверьте и это своему малышу. А когда изделие будет запечено, обязательно покажите результат ваших совместных трудов, ну и, конечно, угостите вашего маленького помощника, если у него нет аллергии на данные продукты.

 

  РЕЦЕПТ СОЛЕНОГО ТЕСТА

ДЛЯ ЛЕПКИ

 

— 1 чашка муки

— 1 чашка соли (обязательно мелкой)

— 1-2 ст. ложки растительного масла

— 2/3 чашки воды

     Сначала смешайте все ингредиенты в миске, затем тщательно вымесите тесто на столе, пока оно не станет гладким и эластичным (при необходимости добавляйте муку).

     Качества соленого теста улучшаются при хранении. Лучше использовать его на следующий день после приготовления. Соленое тесто может долго храниться в полиэтиленовом пакете в холодильнике. Если оно станет размягчаться, перед лепкой добавьте в него немного муки.

     Вы можете подкрасить тесто в процессе готовки, изначально добавив в тесто не прозрачную, а подкрашенную пищевым красителем воду (пищевые красители можно заменить пальчиковыми красками или гуашью). При выборе цвета и его интенсивности следует учесть, что после высыхания краски посветлеют.

     Вылепленные из неокрашенного теста фигурки можно раскрасить после запекания гуашью или фломастерами. Возможно, раскрашивание временно размягчит поверхность теста. Дайте тесту снова засохнуть на воздухе или в теплой духовке. Раскрашивать простые по формам поделки из теста можно и сразу. К примеру, можно слепить с малышом яблочко и сразу раскрасить его. Скатайте для этого большой шар из теста, карандашом сделайте углубление для черенка, раскрасьте заготовку кисточкой, к примеру, красной краской. Вместо черенка воткните половинку зубочистки, отрезав от нее острый кончик. Далее скатайте маленький шарик, превратите его в капельку (катая с одного края) и прижмите ладонью. Получившийся листик раскрасьте зеленой краской и прикрепите к яблочку. То же яблочко можно сделать в плоском варианте. Для этого изначально большой шарик надо будет прижать ладошкой до лепешки (удобно для этого использовать одноразовую тарелку), затем по той же схеме – сделать выемку карандашом или пальчиком, раскрасить, сделать листик.

     Запекать фигурки из соленого теста следует в духовом шкафу при температуре 130°С (соленое тесто нельзязапекать в микроволновой печи). Не беспокойтесь, если в запеченной фигурке середина останется сырой. Соль будет способствовать постепенному затвердению. Чем больше и толще фигурка, тем больше ей требуется времени для выпечки и затвердения. Также поделки из соленого теста можно просто оставлять на какое-то время на воздухе, так они тоже со временем затвердевают. Правда, это долго.

     И еще один полезный совет: в процессе лепки, когда нужно присоединить одну деталь фигурки к другой, кисточкой смачивайте соединяемые поверхности водой для более прочного их склеивания.

Приятного вам творчества!

Чем полезна лепка из пластилина для детей

1 Июня 2020

Лепка из пластилина — это один из наиболее популярных способов проведения досуга среди детей. Это не только интересное, но и очень полезное занятие. В нашем частном детском саду на Новой Риге лепке из пластилина уделяется достаточно большое количество времени.

Как это занятие влияет на детей

Когда ребенок занимается лепкой, он может творчески выражать свои мысли, понимание окружающего мира и отношение к нему. Продумывая образы своих будущих поделок и воплощая их в реальность, малыш развивает воображение. Кроме того, он учится доводить начатое дело до завершения, ставить перед собой цели и достигать их. Это способствует развитию самостоятельности и помогает малышу выражать свое личное мнение. Даже если поделка не получается, ее всегда можно подправить или превратить в новую — таким образом формируется стремление к преодолению неудач.

Лепка из пластилина положительно сказывается на развитии мелкой моторики рук. Кисти становятся более гибкими, что в дальнейшем облегчит процесс обучения письму. Кроме того, такое занятие способствует развитию речи и деятельности головного мозга в целом. Ребенок учится сосредотачиваться, концентрировать внимание, знакомится с такими понятиями, как форма, масса, цвет и консистенция.

Благодаря лепке из пластилина дети развивают чувство прекрасного. Это занятие дает им возможность посмотреть на мир по-новому и увидеть его красоту. Лепка благотворно влияет и на нервную систему ребенка, так как имеет успокаивающий эффект. Она способствует выработке усидчивости, нормализации сна, снижению гиперактивности и раздражительности ребенка. Именно потому это занятие особенно рекомендуется непоседливым и капризным малышам. Кроме того, оно отвлекает детей от компьютеров и телевизоров, позволяя отдохнуть глазам.

Лепка из пластилина воспитывает в детях упорство, учит их быть терпеливыми, внимательными и старательными. Все эти качества помогут ребенку не только в детсаду и школе, но и во взрослой жизни. Ну а если вы хотите, чтобы с вашим малышом занимались опытные педагоги, записывайте его в наш детский сад на Новой Риге.

Лепка в детском саду | Занятия лепкой из пластилина, теста

Лепка для детей в детском саду

Лепка – один из самых увлекательных и интересных видов детского художественного творчества.

Занятия лепкой в детском саду:

• Воспитывают терпение, усидчивость, аккуратность, умение планировать и доводить начатое дело до конца.
• Занятия с пластилином, тестом, массой обогащают сенсорный опыт детей, развивают мелкую моторику пальчиков рук, учат доводить дело до результата, позволяют развивать речь ребенка, внимание, мышление, воображение.
• Учат детей анализировать, развивают восприятие, ведь чтобы отобразить в лепке любой предмет, нужно выделить его главные части, их признаки (цвет, размер, форму, пропорции, расположение в пространстве).
• Развивают умение планировать свои действия.
• Уточняют и закрепляют представления детей о предметах окружающего мира.
• Подготавливают ручку ребенка к более сложным движениям – владению карандашом и кисточкой в рисовании.
  

В лепке малыш старается соотнести особенности предмета с особенностями материала (теста для лепки или пластилина), это ведет к запоминанию сенсорных эталонов (цвет – желтый, красный, зеленый, синий и другие, размер – маленький, большой, форма – круглый, овальный, треугольный, длинный – короткий, широкий — узкий).

Также в лепке ребенок легко чувствует форму предмета (ему легче понять, что мячик круглый, это шар именно в лепке, в которой он сам этот шар скатывает, а не в плоскостном изображении в рисовании).

Для детей 3-4 лет выбираются задачи по лепке более сложные, чем для младших. Их пальчики уже более проворные, да и фантазия позволяет создавать интересные образы даже без вмешательства взрослых.

Занятия лепкой в детском саду для детей 5-6 лет полезны потому, что они способствуют укреплению мышц кистей рук. Навыки письма можно приобрести во время рисования и во время работы в тетрадях с печатной основой, но лепка из пластилина не может сравниться с этими занятиями по своей комплексной полезности. При разминании большого куска затвердевшего пластилина у ребенка работают все группы мышц кисти, а это положительно влияет на подготовку руки к письму.

Цель:

Способствовать развитию творческих способностей и фантазии детей через  использование различных технологий лепки.

Задачи лепки с детьми в детском саду:

Обучающие:

• Познакомить детей с историей и видами лепки.
• Познакомить детей с нетрадиционными методами лепки.
• Формировать знания о композиции, цвете.
• Познакомить со всеми техниками и приемами лепки.

Развивающие:

• Развивать творческие способности, эстетический вкус, воображение, память, внимание, образное и логическое мышление, мелкую моторику рук, координацию и тактильные ощущения рук.
• Расширять кругозор и словарный запас.
• Развивать интерес детей к лепке.
• Формировать устойчивый интерес к художественной деятельности.

Воспитательные:

• Воспитывать трудолюбие, терпение, аккуратность, стремление доводить начатое до конца.
• Воспитывать умение общаться со сверстниками, работать в коллективе.
  

Лепка из глины | Уроки гончарного дела

Традиционная керамика всегда интересна. Способы изготовления и формы изделий отточены веками. И особенно интересно посмотреть на керамику другой страны. В данном видео рассказывается о пяти основных методах формовки, используемых гончарами в Буркина-Фасо, Гане и Нигерии. Также показан обжиг изделий. (Один из обжигов заканчивается окунанием изделий в «закваску», что очень похоже на «обварку», которая издревле использовалась […]

Небольшое видео о том, как мы лепили слоников. В конце ролика самое интересное — наши слоника оживают!) Спасибо Олегу Калашникову за съемку и монтаж видео!

Прошло уже довольно много времени с нашего последнего онлайн-урока. За это время мы больше работали над мастер-классами офлайн — в нашей студии. Сейчас студия переехала в деревню, времени стало больше — потихоньку будем возвращаться и к интернет-вещанию) В сегодняшнем уроке мы будем с вами лепить квадратное кашпо из пластов с украшением из жгутиков. Лепка из пластов — […]

Лето — время самых разных фестивалей по гончарному делу и керамике. (Как раз в эти дни начинается еще один.) Мы тоже решили немного пофестивалить, и в один из теплых летних дней в нашем поселке состоялся небольшой праздник — Праздник музыки и огня. Кульминацией этого праздника стало открытие огненной скульптуры. Но обо всем по порядку…

Встречаем весну вместе с глиняной игрушкой. Фильм о мастерах, которые создают сказочный мир из глины. В этом видео вы узнаете об истории глиняной игрушки на Руси, об особенностях старооскольской, дымковской, филимоновской игрушки, посетите небольшой мастер-класс старооскольского мастера по лепке народной игрушки из глины.

Последние дни осени. Скоро, очень скоро повсюду будет лежать снег, который скроет всю опавшую драгоценную листву. А пока у нас есть еще возможность набрать листочков и слепить из глины панно с их отпечатками.

Только тех, которые поют, Птичками, птичками, птичками зовут… Весна вступает в свои законные права, травка зеленеет, и солнышко иногда блестит, и конечно же птички все звонче и звонче начинают заявлять о себе: «Мы тут, мы с вами»… Сегодня мы будем лепить из глины птичку-свистульку методом прищипывания. Это самый простой и доступный метод лепки из глины, […]

Мы продолжаем наши уроки. И сегодня мы примерим на себя шкуры наших далеких предков — будем лепить из глины сосуд в ленточно-жгутовой технике. Это один из самых древних методов изготовления керамики, изобретенный задолго до появления гончарного круга. Но несмотря на древность этого метода многие керамисты продолжают им пользоваться, так как он позволяет слепить сосуд практически […]

Прогремело на весь мир грандиозное открытие сочинской Олимпиады, Украина все бушует, Америка все также лезет не в свои дела… Наша боевая машина стоит под окном и не заводится… Самое время посидеть у теплой батареи и сделать что-нибудь для души)) Сегодня мы с вами будем делать кружевные подвески из глины. Форма подвесок может быть любой — […]

Вот и настала зима с ее волшебством, узорами на окнах и снежинками, непохожими одна на другую. Мумми-тролли в это время впадают в спячку, а мы сегодня будем делать инструменты для украшения наших изделий из глины.

«Домовята» (лепка из глины и солёного теста)

Педагог: Маргарита Владимировна РОДНОВА

Срок обучения: 3 года

Занятия для детей в возрасте от 5 до 12 лет

 

Наша русская игрушка,

Не стареет сотни лет

В красоте, в таланте русском

Весь находится секрет.

     Игрушка – одно из ярких проявлений народной культуры. Разные роли выполняла народная игрушка. Прежде всего, она тесно связана с детским бытом, с  игрой. Другая её функция – эстетическая, а в прошлом – обрядовая, магическая. Особенно важную функцию несла игрушка в деревенской среде, в крестьянском быту: с её помощью передавалось мастерство по наследству, а с ним – традиции нравственной культуры; в игрушках передавалось ребёнку понятие об окружающем мире, о добре и зле, о счастье и красоте. Конечно, под влиянием современности народная игрушка претерпела изменения; потерялся обрядовый смысл и язык таинственных узоров, но то, что сохранилось, мы должны сохранить для последующих поколений.

    Главной целью программы  лепки из глины является развитие творческих способностей детей через приобретение навыков в лепке и росписи на основе народных традиций. Основное содержание программы составляет изучение промыслов народной игрушки (дымковской, филимоновской, каргопольской, тверской) освоение основных приёмов лепки и росписи свойственных каждому из промыслов. Дополнением в содержании программы является обучение лепке из солёного теста, ознакомление с изделиями Гжельского промысла.

    Программа обучения рассчитана на детей в возрасте от 5 до 12 лет и состоит из трёх этапов обучения: подготовительный (1г — дошкольники), начальный (1г), основной(1г).На  подготовительном этапе дети знакомятся с основными свойствами глины, особенностями крепления деталей, осваивают основные приёмы лепки: отщипывание, скатывание шара, овоида, валика, конуса, отбивание кулачком, расплющивание, рыхление, увлажнение, притирание, разглаживание.Осваивают несложные приёмы декорирования. Изучают основные цвета, учатся различать оттенки, раскрашивать изделие  без пробелов, наносить цвет на цвет, выполнять несложный узор. В основном лепят фигурки животных, декоративные предметы (посуда, пластины), композиции из двух – трёх фигурок по сюжетам сказок.

    На начальном этапе вводится народная игрушка. Начинаем с лепки «дымковских» животных  (собачка, лошадка, козлик, барашек). Из фигурок людей – барынька. Знакомимся с филимоновской народной игрушкой (лепка животных, птиц и женская фигурка). Знакомимся с солёным тестом, как материалом для лепки. Лепим декоративные предметы.

    На основном этапе обучения знакомимся с каргопольской и тверской народной игрушкой, возвращаемся к «дымке», и «Сказочной Гжели»; совершенствуем навыки, приобретаем новые.

На основном этапе, ставятся более сложные задачи: больше объём, много фигурок людей мужских и женских, композиционные работы, обучение настраиванию свистулек, самостоятельные творческие работы, и, естественно, совершенствование всех навыков.

    Углублённый этап рассчитан на совершенствование технических навыков, приобретённых в процессе обучения. Также даются новые знания о народном искусстве, как великой памяти народа. Этот этап разрабатывается педагогом для индивидуальной работы с детьми (для одарённых детей или детей, желающих продолжить обучение по окончании основной программы.)

Каждый год в декабре открывается «Мастерская Деда Мороза», дети лепят сказочных, новогодних персонажей, подарки своим близким.

Лепка из скульптурного пластилина для начинающих.

Существует множество различных материалов для творчества, подходящих под любые требования и возможности. Одним из самых интересных инструментов является скульптурный пластилин. Он применяется для создания сувениров, моделей и эскизов в скульптуре, ювелирном деле, дизайне. Этот материал подходит как для профессионалов, учащихся художественных учебных заведений, так и для любителей разного возраста, желающих заниматься хобби, не требующим больших вложений и приготовлений.

Состав и особенности

Что из себя представляет скульптурный пластилин? Он состоит из пчелиного воска и наполнителей в виде измельченной глины или талька. Входящие в состав пластификаторы делают этот материал гораздо более пластичным, в сравнении с обычным поделочным пластилином. Разные пропорции добавок в пластилине влияют на его особенности, делают подходящим для различных работ: скульптурный пластилин может быть разной твердости, иметь разную рабочую температуру, при которой становится достаточно мягким и послушным для лепки. Также пластилин бывает нескольких видов плотности и может по-разному влиять на дополнительные материалы. Например, пластилин с добавлением серы вступает в химическую реакцию с оловянными и платиновыми металлами. Такую совместимость необходимо учитывать при использовании в работе металлических каркасов и проволоки.

Скульптурный пластилин также отличается широким разнообразием естественных цветов и оттенков, позволяющих имитировать кожу, дерево и другие природные текстуры. Выбор среди многочисленных марок скульптурного пластилина разнообразен. Одним из самых доступных отечественных брендов является «Луч», производящий скульптурный пластилин De Luxe, который прекрасно сохраняет форму и включает набор из трех естественных оттенков: серого, телесного и оливкового. Другим известным производителем является компания KOH-I-NOOR. Этот скульптурный пластилин обладает высоким качеством, не липнет к пальцам и не пачкает руки.

Подготовка к рабочему процессу

Для начала необходимо определиться с идеей, набросать эскиз вашего будущего изделия. Это поможет выбрать инструменты, которые пригодятся для достижения нужной формы или текстуры. Это могут быть проволока (из железа или алюминия), каркас, стеки, вазелин или масло. Обязательно приготовьте воду и источник тепла для размягчения материала. Если вам нужно лишь небольшое количество пластилина, можно отломить или отрезать от большого куска нужное количество смоченным в воде ножом.

Подготовка к рабочему процессу Несмотря на то, что скульптурный пластилин похож на поделочный пластилин, у него есть свои отличительные особенности. При нагревании этот материал становится податливым и пластичным. Пластилин нагревают с помощью горячей воды, микроволновки, печи или пароварки, поскольку тепла рук, как при лепке обычным пластилином, в данном случае недостаточно. Если перегреть скульптурный пластилин, то он может потерять свои пластичные свойства, стать ломким и хрупким, однако в данном случае можно применить небольшую хитрость, смешав его с вазелином или маслом – это восстановит вязкость и мягкость материала.

После окончания лепки пластилин охлаждают, он становится твердым и прочным. После этого его можно шлифовать, полировать, лакировать и красить, обрабатывать на специальном станке, а также крепить на вылепленную фигуру дополнительные элементы с помощью винтов или гвоздей. Скрепление нескольких изделий из скульптурного пластилина не требует специального клея, достаточно нагреть пластилин в месте соприкосновения и при охлаждении две поверхности крепко схватятся.

Дополнительно в лепке скульптурным пластилином можно пользоваться различными подставками или каркасами из материалов, не вступающими в разрушительную химическую реакцию с составными компонентами пластилина. Изделия из скульптурного пластилина также прекрасно подходят для изготовления мастер-моделей, с которых затем можно снять полиуретановые или силиконовые формы под заливку пластиком, мыльной основой, маслом, воском и прочими материалами.

Скульптурный пластилин прост в использовании как для детей, так и для взрослых. Он не токсичен, не имеет запаха, не требует специального оборудования, поэтому является прекрасным материалом для работы и творчества.

Посетители этой страницы чаще всего выбирают в интернет-магазине:

Моделирование твердой поверхности для персонажей

Введение

Здравствуйте! Меня зовут Маркос Мелко, я бразильский художник по 3D-моделированию и текстурированию с 3-летним опытом работы в индустрии визуальных эффектов и многим другим, пытаясь понять «Как рисовать». В настоящее время я не работаю в отрасли, но я надеюсь вернуться в этом году. Я имел огромное удовольствие работать в Method Studios (2015-2018) и Icon Creative Studios (2018) в Ванкувере, Канада. Находясь в Method Studios, я работал над «Черной пантерой», «Окджа», «Капитан Америка: Гражданская война» и «Король Артур: Легенда о мече».В Icon Creative Studios я работал над перезагрузкой Disney’s Rocketeer.

В этой статье я немного расскажу о своем процессе создания персонажа-киборга-монаха во время курса CGMA Hard Surface Modeling for Characters, проводимого Беном Эрдтом.

Почему CGMA

Почему я прошел курс моделирования твердых поверхностей в CGMA?

На этот вопрос есть ответ, состоящий из двух частей:

Прежде всего, эта индустрия полна артистов, которые жестоки сами с собой. Не должно быть, но это так.У меня немного синдрома самозванца (чувство того, что я не заслуживаю своей должности или похвалы). Поскольку я технически подкованный человек, я всегда сомневаюсь в себе. «Это правильный процесс?» Как будто такое и было в CG. Правильное мышление должно быть таким: «Если это работает, хорошо выглядит и завершено в разумные сроки и в разумные сроки, то да, это так!». Я еще не избавился от этой вредной привычки, но стараюсь. Поэтому я пошел на этот курс, потому что хотел увидеть, как это делают настоящие профессионалы.Мне нужно было подтверждение, что я делаю это правильно.

Вторая часть — искусство Бена Эрдта. Его личные работы полны персонажей с великолепным дизайном, безумными деталями, но самым важным аспектом является то, что он делает их готовыми к производству. Многие проекты, которые вы найдете в сообществе компьютерной графики или Artstation, потрясающие, но они работают только как неподвижные изображения. Работа Бена функциональна, ее можно фальсифицировать и анимировать. Как художник-постановщик, я хочу овладеть этими навыками.

Я был очень рад обнаружить, что мой рабочий процесс был похож на рабочий процесс Бена.Мне еще предстоит многому научиться, чтобы достичь его уровня, но, надеюсь, я на правильном пути. Он помог мне закрепить то, что я делаю правильно, но также научил меня некоторым новым способам работы, указал шаги, которые большинство художников пропускает в процессе проектирования, и заставил меня осознать силу некоторых техник, которые я знал, но в ущерб себе, не делал. толком не пользуюсь.

Выбор концепции / Подготовка

В начале курса Бен дал нам несколько концепций персонажей для работы.Я выбрал концепцию Jianli Wu из-за ее дизайна и уровня детализации, которые соответствовали моим потребностям. Мне очень понравилась атмосфера монаха-киборга и ее состав из жесткой брони, сгруппированной на верхней части тела, и более легкой брони для остальной части тела. Это заставляет персонажа чувствовать себя быстрым и умелым, а также соответствует его теме.

Также было полезно, что уровень детализации высок на верхней части тела и обтекается в нижней части тела, что соответствует временной шкале курса. Я мог сосредоточиться на твердой поверхности в течение 6 недель, когда у меня был доступ к отзывам Бена, и я знал, что смогу завершить остальное самостоятельно позже.

Чтобы подготовиться к этапу моделирования, Бен попросил нас собрать референсы, придумать предысторию персонажа, чтобы помочь нам вдохнуть больше жизни в дизайн и сделать материальную разбивку персонажа. Я также сделал дополнительную покраску, чтобы показать детали, которые закрывает броня.

Предыстория и разбивка материалов (задание на неделю 1) PS: Его предыстория неубедительна, я знаю, я не писатель

Ступень блокировки (ZBrush)

Художники-концептуалисты никогда не создают полностью решенный дизайн.Они делают основную часть работы, а художник-модельер должен решать проблемы и конкретизировать дизайн. Иногда вам также необходимо изменить детали, которые чрезмерно усложняют моделирование или оснастку. Часто бывает, что на производстве меняют дизайн. Так что не расстраивайтесь, если вы не можете сопоставить дизайн 1 с 1.

Два важных изменения, которые я внес во время фазы блокировки:

1. Перемещен поршень, соединяющий руку персонажа с наплечной броней. Опытному риггеру было бы несложно создать поршень, который подходит для этой настройки руки, но у меня нет этого набора навыков, поэтому я подумал, что лучше всего переместить его на плечевую броню, чтобы упростить установку.
2. Хвостовые позвонки выглядели действительно органично, постепенно переходя вдоль позвоночника в другие формы. У меня не было времени смоделировать каждую, чтобы сделать этот переход заметным, поэтому я изменил их на 3 более простых дизайна и вручную масштабировал их вдоль хвоста. Это не передает концепцию справедливо, но я сэкономил много времени, подойдя к этому подходу.

Я начал в ZBrush, используя среднестатистическую мужскую модель, которая поставляется с программным обеспечением. Я заблокировал пропорции тела, затем вошел в Maya, чтобы быстро ретопологизировать и удалить детали, которые мне не нужны (соски, гениталии, детали лица и пальцы ног), затем вернул их в ZBrush, чтобы начать лепку доспехов.

ZBrush действительно странно обрабатывает масштаб и положение объектов. Дополнительным преимуществом этого первого шага является то, что он помогает мне убедиться, что сцены Maya и ZBrush совпадают. Хороший трюк состоит в том, чтобы использовать верхний подинструмент в качестве плоскости земли (я использую 2 м², созданный в Maya (единицы измерения установлены в см)). Это дает мне представление о масштабе и положении. Это также помогает с именованием, так как каждый раз, когда вы сохраняете свой Ztool, верхний подинструмент переименовывается в имя файла Ztool.

Сетка тела retopo дает источник, из которого можно начать извлечение частей костюма.Позже, в процессе оснастки, я могу снять скин с этой базовой сетки, а затем перенести вес кожи на другие деформируемые части костюма.

Скульптура костюма была сделана с использованием старого рабочего процесса ZBrush Dynamesh.

Для создания новых деталей я либо дублирую базовую сетку и разрезаю части, которые мне не нужны (шлем, нагрудная броня), либо использую извлечение сетки или петли панелей для создания тонких сеток (пластины для рук, броня для ног).

Используя классические инструменты «Маскирование», «Кисть для обрезки», «Глиняные трубки», «Перемещение», «hPolish», «Trim Dynamic» и «DamStandard», я определяю формы.Вы также можете использовать альфы с базовыми геометрическими фигурами, чтобы ускорить работу по блокировке.

Блокирующий этап (задание курса на 2-ю неделю)

Я продолжаю работать в ZBrush до тех пор, пока все формы не будут на своих местах и ​​нечего будет решать с точки зрения дизайна или пропорций. Я намеренно оставил плечевые поршни нераскрытыми, так как планировал использовать такелажные инструменты Maya для блокировки функциональных. Я использовал ограничения прицеливания и группы, ничего особенного. Просто убедился, что наплечная броня может двигаться, а поршни не разбиваются и не отсоединяются из-за слишком короткой длины.

Одна вещь, которую я должен прокомментировать, прежде чем мы перейдем к ретопологии, — это то, как я испортил пропорции персонажа. Его грудь слишком широка, бронированный воротник слишком высок, а плечи слишком малы. Это делает его торс очень длинным. Персонаж выглядит фантастически на снимках крупным планом, но когда вы посмотрите на персонажа в целом, вы поймете, о чем я. Уже слишком поздно исправлять это, так как это займет слишком много времени, чтобы сделать это должным образом. Пусть это будет предупреждением для меня и для вас. Будьте осторожны со своими пропорциями, я уверен, что каждый художник по персонажам заметил мою ошибку.Ну что ж!

Диапазон испытаний движения

Третья неделя программы была посвящена тестам на движение. Мы разбили модель на части и быстро построили грязную установку, чтобы проверить, сможет ли модель передвигаться без серьезных сбоев. Эта броня персонажа хорошо спроектирована, поэтому она может двигаться свободно, пока ключица не поворачивается слишком сильно вперед или вверх. Оглядываясь назад, я должен был немного изменить дизайн, переместив границу брони сундука внутрь, чтобы дать рукам больше свободы передвижения и уменьшить деформацию, если персонаж должен был быть анимированным.

Тесты на диапазон движений (Задание на 3-ю неделю)

Ретопология в Майя

Для этого проекта, поскольку я собирался создать персонажа, готового к Sub-D, я решил перейти на Maya и добавить больше деталей прямо в мой финальный меш. Иногда я возвращаюсь в ZBrush, чтобы заблокировать больше деталей (я сделал это с броней ошейника и шлемом), поскольку ZBrush позволяет мне работать, не отвлекаясь на топологию.

Sculpt ready for Maya (Задание курса на 4-ю неделю)

Обратите внимание, что формы решены, но поверхности не отполированы идеально, бесполезно тратить время на очистку поверхностей в ZBrush, если вы можете очистить их во время ретопологии.Во время ретопологии, работая от больших форм к маленьким, мы можем создавать те блестящие чистые формы, которые все ожидают увидеть.

Я использую 2 метода для запуска объекта ретопо:

Quad Draw на живой сетке — основной инструмент ретопологии. Если форма из ZBrush действительно чистая, вы можете создать всю модель, используя в основном Quad Draw. Но важно знать, что иногда лучше рисовать в квадрате большие формы, а затем отключать его и моделировать мелкие детали с помощью сетки ZBrush в качестве ориентира (Live Mesh отключен).Особенно для деталей, которые не особо детализированы.

Пример сетки с использованием метода Quad Draw

Другой способ начать — это Zremesh, затем GoZ в Maya. Начало с нуля всегда требует времени, поэтому продвижение к Zremesher и уборка в Maya также являются хорошей тактикой.

Пример сетки с использованием метода Зремешера

Поэкспериментируйте с Zremesher на своих сетках с включенными Polygroups и Keep Groups.Поиграйте с ползунком Smooth Groups для получения лучших результатов.

Честное предупреждение: SmoothGroups — не шутка, она действительно закругляет острые углы вашей сетки. Если вам нужен шанс на борьбу, используйте сумасшедшие низкие значения, такие как 0,0001 (и он все еще дает скругленные углы), или просто полностью отключите его. Здесь нет универсального подхода, ключевым моментом является экспериментирование. Здесь вы можете сэкономить много времени на моделирование.

Полезные инструменты Maya

Позвольте мне рассказать о некоторых инструментах, которые я часто использую, но которые некоторые люди упускают из виду.Надеюсь, здесь для вас есть что-то новенькое. Требуются некоторые эксперименты.

Меню «Изменить»

Для инструментов сопоставления сначала выберите целевые объекты, а затем объект, который будет источником (сопоставленным).

• Сопоставить перемещение, сопоставить поворот — Эти инструменты позволяют сопоставить перемещение и поворот новых объектов с выбранным целевым объектом.
• Match Pivot — перемещает точку поворота к исходному объекту без изменения преобразований.
• Bake Pivot — Это лучший инструмент. Запекает перемещение и вращение текущей позиции поворота. Вы можете привязать и сориентировать точку поворота, а затем получить точные значения преобразования. Очень полезно для преобразования объекта на этапах блокировки.

Комбинация запекания поворота, согласования перемещения и согласования поворота позволяет быстро блокировать механические движущиеся части. Сопоставление также помогает в размещении костей и локаторов на этапе монтажа.

Bake Pivot также помогает перемещать плоскость симметрии в объектном режиме. Вы когда-нибудь задумывались, почему иногда это не работает, даже если точка поворота находится в правильном положении? Это потому, что вы не запрограммировали значения сводного преобразования. Мне потребовалось время, чтобы понять это, и я до сих пор злюсь на это.

Редактировать сетку

• Transform — позволяет перемещать компоненты по нормали. Работает как inflate в ZBrush. Очень полезно для изменения толщины кабелей или высоты выдавливания после очистки истории объекта.
• Edit Edge Flow — Он усредняет выбранную петлю кромок на основе соседних кромок, это мой любимый инструмент для быстрого получения гладких изогнутых поверхностей.

Редактировать границу потока

Сетчатые инструменты

• Connect — Создает ребро между двумя вершинами или петлю ребер вдоль средней линии выбранных ребер.
• Multi-Cut — Этот тоже очень полезен.Вы можете использовать его для вставки краевых петель или рисования вырезов панелей в существующей сетке. Просто сходите с ума, сделав надрезы, и почистите край позже.
• Инструменты для скульптинга — Если вы когда-либо использовали Mudbox, эти кисти работают аналогичным образом.
• Grab Tool — Работает так же, как кисть перемещения в ZBrush. Вы можете использовать его, чтобы изменять формы или просто перемещать вершины, чтобы выровнять интервалы.
• Relax Tool — Быстро выравнивает вершины поверхности с минимальной потерей формы, не забывайте держать ее подальше от опорных петель и углов.

Этап текстурирования

Этап текстурирования для этого персонажа не занял много времени и, честно говоря, я не продвигал текстуры так далеко, как должен. Достаточно, чтобы материалы хорошо читались в V-Ray.

Substance Painter может быстро создавать великолепные материалы. Вы можете создавать отличные текстуры, только используя его предустановки. Предостережение заключается в том, что каждый достойный художник текстуры будет смотреть и говорить: «О! Он использует Grunge X и умный материал Y », так что не делайте этого.Не торопитесь, чтобы создать отличные материалы и смешать свои черты. Вы также можете сохранить их для дальнейшего использования.

Я начал с разделения персонажа на два файла, чтобы помочь Substance работать быстрее и уменьшить размер файлов. В одном файле была металлическая броня, в другом — все остальное.

Я создал свои карты для V-Ray 3.6, поэтому я использовал настройку спецификации / блеска Non-PBR (Physically Based Rendering) в Painter. Проще говоря, карты отражения сообщают V-Ray, насколько блестящим является пиксель, а глянцевость сообщает нам две вещи: размер блика и насколько размыто отражение.IOR (индекс преломления) также очень важен для большинства материалов и может быть отображен на текстуру, но если вам нужно отобразить IOR, это связано с изменением основного материала (чистый металл на слой краски). Лучше использовать шейдер Vray Blended и карту маски и контролировать аспекты материала в их независимых шейдерах. Так вы получите больше контроля.

Хорошие UV очень помогают при текстурировании. Есть несколько рекомендаций, которые окупятся при текстурировании.

• Разделите UDIM по материалам.
• Каждая строка должна содержать только UDIM одного и того же типа материала, когда это возможно.
• Плотность текселя должна быть одинаковой для одного и того же материала. Можно масштабировать оболочки, чтобы заполнить UDIM свободным пространством. Просто убедитесь, что масштаб текстуры соответствует модели.
• Если некоторые материалы не занимают достаточно УФ-пространства, чтобы заполнить весь UDIM, а также недостаточно видимы для увеличения, можно сгруппировать их в один UDIM. Держите оболочки из одного и того же материала сгруппированными вместе и оставьте достаточно места между группами для легкого выбора в программном обеспечении текстурирования.
• Стоимость использования многих UDIM — это увеличение времени рендеринга, поэтому будьте максимально эффективными, но, по моему опыту, студии VFX считают время рендеринга дешевле, чем время художника. Так что планируйте свои макеты для более быстрого текстурирования и с меньшим разрешением. Никогда не знаешь, собирается ли Директор изменить план и приблизить твой актив. Если ваши текстуры останутся неизменными, когда происходят изменения, то если ничего не нужно переделывать, это очень порадует ваших лидов и продюсеров.

UV-раскладка (Maya UV Editor)

Мой процесс в Painter заключается в настройке целых материалов (наборов текстур diff, spec, gloss, normals) процедурно в слоях Fill.Наложите их один на другой и выявите износ краев, царапины и т. Д. С помощью мощных генераторов масок. На самом деле ничего нового.

Один из шагов, который я мог бы сделать, чтобы улучшить свои текстуры, — это нарисовать маски для моих царапин. Если вы присмотритесь, то заметите несколько царапин, которые идеально покрывают геометрию. Такого никогда не бывает в реальности и действительно ухудшает качество текстур.

Текстуры для металлических деталей (Substance Viewport)

Текстуры для тела (Substance Viewport)

Этап рендеринга

V-Ray был программным обеспечением для рендеринга, которое Method Studios использовала в первую очередь, поэтому я изучил там основы и продолжал использовать его, потому что многие студии VFX все еще используют его в качестве основного программного обеспечения для рендеринга.Его базовый шейдер действительно прост в использовании. Для всего я использовал стандартный материал Vray. Для большинства моих материалов требовалось только подключить карты, и они работали. Не требуется переназначение узлов, ура! Однако нет ничего постыдного в переназначении ваших текстур! На самом деле это рекомендуется. (Для тех, кто не использует Maya, узлы переназначения имеют те же функции, что и использование HSV, кривых и уровней в ваших наборах текстур.)

Немного больше внимания привлек «золотой» металл. Я сделал две карты отражения для этого материала, как я показал в части «Текстурирование» этой статьи.Первая зеркальная карта работает так же, как и обычная карта спецификаций, вторая зеркальная карта использовалась для имитации радужного маслянистого блеска для дополнительного разделения. Чтобы смешать их, мы складываем шейдеры, используя обычный узел смешивания и узел VRayFresnel, чтобы замаскировать маслянистый блеск. Идея состоит в том, что первая карта спецификаций используется для бликов, но под определенными углами (нормаль к поверхности начинает указывать от камеры, отображается вторая спецификация).

Установка золотого металлического шейдера (Maya Hypershade)

Я также использовал аналогичную настройку для тканевого нижнего костюма.Я продублировал шейдер и в одной из версий сделал диффузную карту немного ярче. Затем, используя ту же настройку, что и для золотого шейдера, я смешал их вместе с помощью VRayFresnel. Эта установка дает бархатный результат, я просто смягчил его, чтобы сохранить ощущение ткани, не делая на ней особого акцента.

Я не буду вдаваться в подробности о освещении, потому что большая часть моего освещения была создана методом проб и ошибок. Я просто разместил несколько источников света Area и VrayLightDome (освещение HDRI), чтобы осветить модель.Мне действительно нужно потратить некоторое время на изучение основ освещения, чтобы дать точный совет. Это в списке.

Заключение

Этот проект был действительно хорошей поездкой. Думаю, я очень близко подошел к концепции Цзяньли Ву. Самая большая проблема — всегда преобразовывать 2D-концепцию в рабочую 3D-модель, разгадывать скрытые части и следить за тем, чтобы персонаж мог двигаться в своем костюме. После этого идите по курсу и терпеливо добейте персонажа.

Если вы планируете пройти курс Бена, убедитесь, что вам комфортно с ZBrush и вашим любимым пакетом для 3D-моделирования.У Бена есть чему поучиться, и вы не захотите тратить время на решение проблем с программным обеспечением. Если вы знакомы с основами, я действительно рекомендую вам взять их.

Надеюсь, эта статья была полезной! Огромное спасибо всем художникам и сотрудникам, которые помогли мне на моем пути к искусству, и тем не менее, спасибо за чтение до конца!

Маркос Мелко, художник по 3D-моделированию и текстурированию

Интервью провела Элли Харисова

Моделирование с помощью математики Нэнси Батлер Вольф.Аутентичная задача

«Математическое моделирование — одна из самых актуальных тем в школьной программе. И один из наименее понятых. Глубокий взгляд Нэнси на математическое моделирование предлагает учителям средних школ практическую помощь, в которой они нуждаются, чтобы включить моделирование в свои классы ».
— Кэти Сили , бывший президент NCTM, автор книг Faster Isn’t Smarter и Smarter Than We Think

«Это книга, которую ждали учителя математики и родители.Написанная ясной и увлекательной прозой, Нэнси дает подробное пошаговое руководство по моделированию в математике на уровне средней школы. Она показывает, что новые математические стандарты не должны пугать или сбивать с толку. Вместо этого студенты узнают, как моделирование напрямую связано с реальными жизненными проблемами и решениями, на серии потрясающих примеров. В отличие от большинства книг по математическому моделированию, эта книга обстоятельна и доступна, сфокусирована и увлекательна. Tour de force! »
— Дэвид Э.Дрю, автор книги STEM the Tide: Reforming Science, Technology, Engineering, and Math Education in America

«Книга Нэнси — отличное руководство для учителей средних школ, которые хотят использовать математическое моделирование в своих классах. В нем представлены как теоретические, так и практические дискуссии о том, как учителя могут изменить свое обучение, чтобы их ученики стали более независимыми и вдумчивыми в решении проблем ».
— Джудит Э. Джейкобс, бывший президент Ассоциации преподавателей математики

«С учетом рассказов, примеров, обширного цитирования исследований и того, как Нэнси описывает свою трансформацию как учителя, я уверен, что вы будете взволнованы и готовы попробовать моделировать задачи со своими учениками, как только вы закончить эту книгу.
— Макс Рэй-Риек, автор книги Мощное решение проблем

«Вы не понимаете, о чем так много людей говорят, когда говорят о задачах с открытым окончанием, Дэне Мейере, задачах MARS, освещении NCTM, высоких и низких потолках и математическом моделировании? Хорошие новости. Автор Моделирование с помощью математики , Нэнси Батлер Вольф, рассматривает все эти вопросы, а затем некоторые в своей книге … Сильные стороны книги Вольфа «Моделирование с помощью математики » включают в себя примеры обсуждений учащихся / учителей, примеры задач и некоторые замечательные идеи примеры использования рубрик для оценки сложных задач.”
—Maia Fastabend, MiddleWeb

«В этом удобном руководстве по моделированию в классе математики средней школы Нэнси Батлер Вольф пишет голосом учителя, который легко понять… В каждой главе содержится множество примеров различных задач, включая виньетки для учеников и образцы учеников. все применимо к учителю математики в средних классах ».
—Лора Янссен, Преподавание математики в средней школе (NCTM)

Введение в моделирование данных для видеокурса Power BI

Введение в моделирование данных для видеокурса Power BI

Введение в моделирование данных для Power BI — это вводный видеокурс о моделировании данных, необходимый для получения максимальной отдачи от Power BI, Power Pivot для Excel и служб Analysis Services.Обучение ориентировано на пользователей, не имеющих базовых знаний в области моделирования данных для аналитических систем и отчетности.

Цель курса — познакомить с основными концепциями размерного моделирования, используя практические примеры и демонстрации, чтобы проиллюстрировать, как получить желаемый результат без необходимости писать сложные выражения DAX. Создание правильной модели данных упрощает написание кода и повышает производительность. Курс состоит из 100 минут лекций .Вы можете смотреть видео в любое время, и система будет отслеживать ваши успехи. В рамках курса вы можете скачать слайды и файлы Power BI, используемые в демонстрациях.

Учебный план

• Введение в моделирование данных для Power BI

  • Презентация Введение в моделирование данных для Power BI

• Слайды и демонстрации

  • Как скачать и использовать демонстрационные файлы
  • Демоверсии скачать
  • Слайды видеокурса

• Введение в моделирование данных

  • Введение в моделирование данных
  • Вступление
  • Разрозненная информация
  • Хозяйствующие субъекты

• Нормализация и денормализация

  • Нормализация и денормализация
  • Введение в нормализацию и денормализацию

• Звездные схемы

  • Звездные схемы
  • Представляем звездообразные схемы
  • Размещение таблиц на диаграмме
  • Если у вас нет звездообразной схемы

• Почему полезно моделирование данных

  • Почему полезно моделирование данных
  • Какова роль модели данных

• Сценарии моделирования данных

  • Сценарии моделирования данных
  • Общие сценарии
  • Заголовок / подробные таблицы
  • Вернуться к звездной схеме
  • Множественные таблицы фактов
  • Построение звездообразной схемы
  • Обработка нескольких дат
  • Множественные отношения с датой
  • События с разной продолжительностью
  • Предварительно вычислить значения

• Заключение

Учебная платформа

Этот курс проводится с помощью нашей обучающей платформы, которая является захватывающей и призвана облегчить ваш опыт.

Откройте для себя все возможности

Рейтинг учащихся

Все звезды только 5 звезд только 4 звезды только 3 звезды только 2 звезды только 1 звезда

Отзывы студентов (389)

• Rosario Curcio (8 апреля 2021 г.)

  Интересно, действительно ясно

• Энни Шахид (6 апреля 2021 г.)

  Это было великолепно. Спасибо.

• LucVanSpeybrouck (4 апреля 2021 г.)

  Отличное и понятное введение в моделирование данных и предостережения, с которыми вы можете столкнуться при создании визуализаций без понимания структуры данных и взаимосвязей между таблицами.

• Хорхе Лопес Моралес (1 апреля 2021 г.)

  Excelente

• Абдул Ахад Рана (31 марта 2021 г.)

  Отличный курс для разъяснения основ.

• Бхадар Шахи (30 марта 2021 г.)

  Отличный контент!

• Эдди Брайс (23 марта 2021 г.)

  Очень ясно и актуально. Качественный товар.

• Rohit Owhal (22 марта 2021 г.)

  ЭТО БЫЛО ПРЕВОСХОДНО !!!! БОЛЬШОЕ СПАСИБО !!!!

• vasudev A (20 марта 2021 г.)

  Получены дополнительные сведения о моделировании данных. Спасибо.

• Лодовико Д’Инкау (19 марта 2021 г.)

  Спасибо за бесплатный обмен ресурсами

• SOLOMON BERHE (19 марта 2021 г.)

  Ясно и информативно!

• Сетумадхава Яллапу (11 марта 2021 г.)

  Потрясающий опыт

• Шайк Суфи (8 марта 2021 г.)

  Это очевидно из содержания, которое они дают все примеры.Этот курс просто фантастический

• Jill Waltersdorph (3 марта 2021 г.)

  Отличный курс, дает четкое понимание важности надежной модели данных. Примеры были похожи на многие ситуации, с которыми я столкнулся с исходными данными, и предлагали все более логичные и простые решения для построения наилучшей модели.

• Натан Фиш (2 марта 2021 г.)

  Очень полезный обзор и примеры.Спасибо!

Размещено на Vimeo

Серия вебинаров: Моделирование данных от теории к практике

Все больше и больше компаний переходят от мира интегрированной аналитики к модульному подходу с использованием лучших в своем классе инструментов для каждого уровня стека данных. Такой подход предлагает ряд преимуществ, но также создает новую проблему: множество необработанных данных из множества источников, которые сами по себе не представляют никакой ценности.

Войдите в моделирование данных. В этой серии из 4 частей Кара отправит вас в путешествие, подробно исследуя моделирование данных и предоставив конкретные примеры, которые вы можете использовать в своем бизнесе.

Часть 1: Что такое моделирование данных и почему оно важно?

На этом занятии Кара концептуально расскажет о моделировании данных, о том, почему оно становится все более важной концепцией в области аналитики, и о том, что это за основу. Она проведет вас через:

• Почему и как моделирование данных становится важной частью вашей стратегии обработки данных
• Появление новых инструментов и навыков, необходимых для поддержки этого
• Преимущества разработки собственной модели (моделей) данных

Часть 2. Разработка модели данных, отражающей ваш путь пользователя

В части 2 Cara подробно расскажет об ограничениях, связанных с использованием пакетных аналитических инструментов и их традиционных веб-моделей, и предоставит некоторые конкретные примеры пользовательских моделей данных, которые отражают бизнес-модель или вариант использования.Она покроет:

• Ограничения традиционных моделей веб-аналитики
• Разработка модели данных для вашего бизнеса
• Соображения и конкретные примеры использования

Часть 3: Построение базовой модели данных с помощью dbt

На этом занятии к Каре присоединится Джереми Коэн, менеджер по продукции dbt. Используя данные Snowplow, они подробно расскажут, как выглядит построение модели данных с помощью dbt и как вы можете извлечь из этого полезную информацию.В частности, они охватят:

• Установка, запуск и тестирование пакета Snowplow dbt
• Расширение пакета для включения индивидуального варианта использования
• Продемонстрируйте продукцию пакета и предлагаемые им идеи

Часть 4. Маркетинговая атрибуция с помощью Snowplow и Looker

На последнем занятии к Каре присоединится Себастьян Фабри, партнер-инженер Looker. Вместе они проведут вас через пример маркетинговой атрибуции с использованием данных Snowplow, моделирования и визуализации в Looker.

• Концепция моделирования атрибуции и какие данные вам нужны
• Как встроить атрибуцию в свою модель данных
• Как эффективно визуализировать модели атрибуции в Looker

Моделирование рисков для опасностей и бедствий

РАЗДЕЛ I: Модели катастроф, общие концепции и методы
1. Количественная оценка неопределенности модели и риска
Нилеш Шоум, Мохсен Рахнама, Стив Джусон и Пол Уилсон a Катастрофа
2. Модель Robust
Jay Guin
3.К более динамичной парадигме моделирования риска стихийных бедствий
Дэвид Стивенсон, Аласдер Хантер, Бен Янгман и Ян Кук
4. Эмпирическая оценка уязвимости и уязвимости: не просто регресс
Тициана Россетт и Иоанна Иоанну

РАЗДЕЛ II: Создание модели, особые опасности и данные
5. Использование исторических данных об убытках для страхования и моделирования общих убытков
Джеймс Даниэлл, Фридеман Венцель и Андреас Шефер
6.Индекс косвенных потерь от стихийных бедствий для национального и субнационального анализа
Джеймс Даниэлл, Биджан Хазай, Фридеман Венцель
7. Вероятностный выигрыш от моделей землетрясений на основе сейсмичности
Кристи Тиампо, Роберт Щербаков и Пол Ковач
8. Проблемы с большими данными и моделирование опасностей
Кристи Тиампо, Сет МакГиннис, Елена Кропивницкая, Джинхуэй Цин и Майкл Бауэр
9. Прогресс в создании моделей глобальной опасности наводнений с гипер-разрешением
Пол Бейтс, Джефф Нил, Крис Сэмпсон, Энди Смит и Марк Тригг

РАЗДЕЛ III: Типовые сценарии использования страхования
10.Цены на страхование и управление портфелем с использованием моделей катастроф
Хелена Бикли и Геро Мишель
11. Оптимизация портфеля с использованием результатов модели катастроф, пример использования в страховой отрасли
Огюстен Иптонг и Геро Мишель

РАЗДЕЛ IV: Модель риска, устойчивость и новые концепции
12. Экономная оценка риска и роль прозрачных разнообразных моделей
Патрик МакШарри
13. Создание вероятностной модели катастрофы с помощью методологии характерных событий
Карен Кларк
14.От управления рисками к количественной устойчивости к стихийным бедствиям: новая парадигма моделирования катастроф
Слободан Симонович
15. Помимо «модельного риска»: практический взгляд на моделирование в страховании
Андреас Цанакас и Лауре Кабантоус

Пример из GPCR

Цитата : Бендер Б.Дж., Марлоу Б., Мейлер Дж. (2020) Улучшение моделирования гомологии на основе шаблонов идентичности с низкой последовательностью в Rosetta: тематическое исследование GPCR. PLoS Comput Biol 16 (10): e1007597.https://doi.org/10.1371/journal.pcbi.1007597

Редактор: Питер М. Кассон, Университет Вирджинии, США

Поступило: 9 декабря 2019 г .; Одобрена: 11 августа 2020 г .; Опубликовано: 28 октября 2020 г.

Это статья в открытом доступе, свободная от всех авторских прав, и ее можно свободно воспроизводить, распространять, передавать, модифицировать, надстраивать или иным образом использовать в любых законных целях. Работа сделана доступной по лицензии Creative Commons CC0 как общественное достояние.

Доступность данных: Все файлы, необходимые для воспроизведения данных и базы данных моделей, находятся на сайте www.rosettagpcr.org.

Финансирование: JM было поддержано NIH NIGMS R01 GM080403, NIH NIDA R01 DA046138, NIH NIHL R01 HL122010, NIH NIGMS R01 GM129261 (www.nih.gov) и Deutsche Forschungsgemeins (Немецкий фонд исследований), SFB14 (Немецкий фонд исследований) , номер проекта 421152132, подпроекты A07 и Z04. BJB поддерживался T32 GM07628 (www.nih.gov). Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили, что конкурирующих интересов не существует.

Введение

Рецепторы, сопряженные с G-белками, представляют собой важные терапевтические мишени

рецепторов, связанных с G-белками (GPCR), представляют собой самое большое семейство мембранных белков в организме человека, включающее около 800 различных рецепторов [1]. Они управляют клеточными ответами на внеклеточные сигналы и, таким образом, играют роль в иммунной функции, кардиопатиях и нервном развитии.Они представляют собой повсеместное семейство белков, которые со временем эволюционировали, чтобы реагировать на различные стимулы, включая ионы, небольшие молекулы, более крупные пептиды и даже свет [2]. Учитывая их экспрессию на клеточной мембране, они являются привлекательными мишенями для терапевтического вмешательства. По текущим оценкам, около 30% одобренных препаратов действуют в рамках GPCR [3].

Экспериментальные структуры GPCR определяются с возрастающей скоростью, преодолевая существенные препятствия

Первой структурой атомного разрешения GPCR был родопсин в 2000 году, отчасти из-за его высокой распространенности и стабильности из природных источников [4].Для большинства рецепторов уровни экспрессии намного ниже того, что необходимо для структурной характеристики из ортологичных источников. Таким образом, только в 2007 году структура второго рецептора была экспериментально определена [5,6]. Как динамические, связанные с мембраной белки, значительная инженерия белков была необходима для определения структуры (т.е. термостабилизации посредством мутации, нанотел, слитых белков и / или усечения гибких концов) [7]. С 2007 года было определено более 50 уникальных рецепторных структур.Хотя это огромное достижение, оно составляет лишь около 6% суперсемейства GPCR. Даже если сосредоточить внимание на неонфакторных GPCR, которые обычно рассматриваются как мишени для лекарственных препаратов, остается структурно охарактеризовать около 350 уникальных рецепторов либо для лучшего понимания того, как современные лекарства связывают свои мишени, либо для открытия лекарств на основе структуры. Важно отметить, что по крайней мере 100 неонфакторных GPCR были признаны орфанными рецепторами из-за недостатка химического вещества [8]. Знание структурных деталей кармана связывания лиганда может помочь в идентификации химических зондов для этих темных рецепторов.

Вычислительное моделирование может расширить наше текущее понимание структур GPCR

Учитывая этот пробел в знаниях, моделирование гомологии является важным инструментом для создания моделей пока еще не определенных белковых структур. В моделировании гомологии используется шаблон белка с общей топологией для сопоставления целевой последовательности с координатами ее основной цепи в процессе, называемом потоком [9]. Раннее моделирование гомологии основывалось на единой шаблонной структуре для предсказания целевой структуры. Однако эти методы не позволяют создать точные модели с использованием шаблонов с низкой идентичностью последовательности целевого белка.Совсем недавно использование нескольких шаблонов показало успех в моделировании целей, в которых идентичность последовательностей ниже 50% для любого заданного шаблона [10,11]. Учитывая, что GPCR часто имеют общие идентичности в диапазоне 20–30%, построение модели, специфичной для GPCR, в значительной степени продвинулось в сторону моделирования множественной гомологии шаблонов. Доступны серверы для прогнозирования GPCR из нескольких шаблонов, включая GPCR-ModSim [12], GPCR-I-Tasser [13], GPCRM [14], GPCR-SSFE [15] и GPCRdb [16]. GoMoDo, другой сервер, использует моделирование по одному шаблону [17].Базовым программным обеспечением для всех этих серверов является Modeller [18], за исключением GPCR-I-Tasser [11]. На сегодняшний день в Rosetta не было разработано никакого GPCR-специфичного метода моделирования с несколькими шаблонами, программного обеспечения, уникального по своей способности не только предсказывать структуры, но и разрабатывать новые функции и стыковать лиганды среди других приложений [19,20]. Несмотря на унифицированный метод моделирования GPCR, эффективность Rosetta при моделировании GPCR с помощью одного шаблона в прошлом была проанализирована с некоторым успехом. В эксперименте GPCR Dock [21] Rosetta показал лучшие результаты в предсказании структуры позиции связывания лиганда Smoothened рецептора [22].

Rosetta гибридизирует несколько шаблонов

В то время как другие методы предопределяют сегменты шаблона для различных частей целевой модели или усредняют структуры шаблонов, Rosetta обрабатывает несколько шаблонов одновременно в процессе моделирования [23]. Rosetta хранит все шаблоны в определенной глобальной геометрии и случайным образом меняет местами части каждого шаблона, используя выборку Монте-Карло, чтобы идентифицировать области из различных шаблонов, которые лучше всего удовлетворяют требованиям локальной последовательности. Этот обмен шаблонов происходит параллельно с традиционным обменом пептидных фрагментов из базы данных, полученной из PDB на основе целевой последовательности и предсказанной вторичной структуры, отличительной чертой алгоритма сворачивания Rosetta [24].Эта одновременная выборка сегментов матрицы и пептидных фрагментов позволяет энергетической функции определять, какие сегменты следует избегать из различных шаблонов, в зависимости от того, насколько хорошо каждый сегмент улучшает общую оценку модели. Гибридизация шаблонов оказалась успешной в экспериментах CASP, особенно для мишеней с низкой идентичностью шаблонов до 40% [23]. Ниже 40% идентичности Rosetta способна производить точные модели, хотя a priori неизвестно, будут ли выходные модели надежными.

Улучшение протокола моделирования целей с идентичностью ниже 40%

Учитывая прошлый успех Rosetta в моделировании гомологии с одним шаблоном для GPCR [22] и новую стратегию моделирования нескольких шаблонов в рамках Rosetta [23], мы решили оптимизировать протокол для моделирования шаблонов с низкой идентичностью с акцентом на семейство терапевтически релевантных GPCR. Переход от предыдущего моделирования гомологии с одним шаблоном к моделированию с несколькими шаблонами был многогранным, и мы тестировали каждый компонент индивидуально.Во-первых, при использовании нескольких шаблонов возникает вопрос об оптимальном количестве шаблонов для использования. Предыдущая работа по моделированию гомологии нескольких шаблонов предполагала наличие эффекта «золотой ловушки», при котором несколько шаблонов лучше, чем один, но слишком много шаблонов может фактически повредить процессу моделирования [25]. Кроме того, поскольку Rosetta использует библиотеку пептидных фрагментов, мы оцениваем ее влияние на повышение точности модели. Кроме того, теперь мы обрабатываем замыкание петли одновременно в моделировании гомологии с множеством матриц Rosetta посредством использования этих пептидных фрагментов.Поскольку петли часто участвуют в распознавании лиганда или белок-белок, мы оптимизировали выравнивание в этих областях и проверили его влияние на точность модели. Мы протестировали наши методы на подмножестве из 34 доступных структур уникальных GPCR, охватывающих четыре класса (A, B, C и F). Кроме того, мы решили смоделировать все мишени с использованием шаблонов ниже 40% идентичности последовательностей, если не указано иное, чтобы имитировать ситуацию при прогнозировании новых структур-мишеней. Мы обнаружили, что наши улучшения приводят к созданию высокоточных моделей за счет тщательно подобранного выравнивания последовательностей и использования пептидных фрагментов.Этот улучшенный метод теперь может точно моделировать рецепторы класса A с точностью до 20%. Основываясь на этом успехе, мы создали базу данных моделей входного кода и выходных данных для всех человеческих рецепторов, не имеющих запаха, доступных для общественного использования (www.rosettagpcr.org). В то время как мы сосредоточены на GPCR для этого теста, мы подчеркиваем, что эти модификации могут помочь в моделировании любой цели из шаблонов с низкой идентичностью последовательностей.

Методы

Описание набора контрольных данных

Для этого исследования мы выбрали подмножество из 34 кристаллических структур GPCR, охватывающих четыре структурно охарактеризованных класса A, B, C и F.Всего было 29 рецепторов класса A, два рецептора класса B, два рецептора класса C и один рецептор класса F (таблица S1). Важно отметить, что мы решили моделировать рецепторы с использованием исключительно шаблонов с последовательностью ниже 40%, если явно не указано иное, поскольку это наиболее похоже на большинство реальных случаев при моделировании GPCR.

Генерация множественных выравниваний последовательностей (MSA) шаблонов

Первоначальные выравнивания для набора тестов были получены из GPCRdb [26].Это в значительной степени обеспечивало хорошее выравнивание трансмембранных α-спиралей. Чтобы улучшить эти выравнивания, структуры были выровнены и визуализированы в PyMol, и структурные выравнивания сравнили с выравниванием последовательностей. Трансмембранные спиральные последовательности выравнивали, начиная с наиболее консервативного остатка в каждой α-спирали, и расширяли наружу, используя структурные выравнивания, чтобы направлять вставки и делеции вдоль оси α-спирали. Выравнивания петель получали на основе выравнивания векторов атомов Cα-Cβ между рецепторными структурами.Если вторичные структурные элементы присутствовали в областях петель, таких как дисульфиды, α-спирали или β-листы, они сохранялись при выравнивании. Оставшиеся остатки, которые не могли быть выровнены ни по одному из вышеперечисленных показателей, перемещали так, чтобы они прилегали к области определенной вторичной структуры, чтобы гарантировать надлежащее соответствие пептидных фрагментов между упорядоченными и неупорядоченными областями. Расположение 34 рецепторов показано на рис. S1 и доступно в Интернете. Дополнительные сопоставления для сравнения были произведены с использованием параметров по умолчанию ClustalOmega [27], Muscle [28], T-Coffee TM-PSI и Espresso [29] и Mustang [30] и использованы без дальнейших изменений.

Выбор шаблона

Для всех рецепторов с помощью ClustalOmega была создана попарная матрица идентичности, охватывающая трансмембранный пучок и петли и исключающая длинные концы [27]. Сообщенные идентичности были использованы для ранжирования шаблонов для каждой модели рецептора. В таблице S2 представлен ранжированный список шаблонов для каждого целевого рецептора в тесте. В то время как большинство шаблонов имеют идентичность последовательностей ниже 40%, те, которые выделены желтым, были удалены, поскольку они характеризовались идентичностью последовательностей выше 40% порога.Шаблоны, выделенные жирным шрифтом, использовались при моделировании высокой идентичности с одним шаблоном для сравнения с предыдущим тестом [22].

Генерация дополнительных входных файлов

файлов топологии, покрывающей мембраны, были созданы путем передачи последовательности целевых белков в Octopus [31]. Выходные файлы были преобразованы в файлы диапазона, читаемые Rosetta, с помощью встроенного в Rosetta скрипта octopus2span.pl. Файлы ограничения дисульфидной связи были подготовлены для каждого целевого белка для консервативной дисульфидной связи между TM3 и ECL2, за исключением LPA1 и S1P1.Дополнительные дисульфидные связи в ECL3 были нанесены на карту по мере необходимости.

Выравнивание последовательности-мишени с шаблоном MSA

Выравнивание последовательностей без известной структуры выполняли аналогично описанному выше. Сначала выравнивания были извлечены из GPCRdb. Затем высококонсервативные остатки в каждой спирали выравнивали с помощью шаблона MSA. Позиционирование остатка x.50 (нумерация BW) часто исправляло выравнивание спиралей, но пробелы и делеции распространялись во всех семьях. Для рецепторов, лишенных наивысшего консервативного остатка в каждой спирали, для позиционирования спирали использовали другие мотивы, такие как DRY, NPxxY и CxxP.Петли были выровнены как таковые: ECL1, ICL1 и ICL2 были выровнены с использованием общих мотивов последовательности (например, xWxxG в ECL1). Для ICL3 выравнивание последовательностей поддерживалось внутри семейств, особенно с рецепторами с короткими петлями, такими как рецепторы класса B и хемокины. Для большинства рецепторов последовательность ICL3 была разделена на полпути между TM5 и TM6, и половины были присоединены непосредственно к концу TM5 или началу TM6, соответственно. Для ECL3 особое внимание уделялось наличию цистеинов для внутренних дисульфидов или дисульфидов ECL3 между N-концом и ECL3.Эти остатки цистеина использовали для выравнивания. Для рецепторов, лишенных дисульфидных связей, образцы, идентифицированные в семействах шаблонов, использовали для фиксации семейных связей. Остальные рецепторы снова имели последовательность петли, уменьшенную вдвое, и примыкали половинки к их следующей спиральной последовательности для перекрытия вставки пептида. Для ECL2 мишени были сгруппированы по предполагаемому типу связывания лиганда: т.е. аминергический, липидный, пептидный, неизвестный. Основываясь на этой группировке, выравнивания проводились специально для их семейного типа (т.е. бета-лист был предсказан и выровнен для всех пептидных рецепторов). Для рецепторов с неизвестным типом лиганда или несходными лигандами (т.е. протонами) последовательность петли сначала делили по консервативному остатку цистеина, и этот остаток выровняли, образуя две более короткие петли. Эти петли затем были разделены пополам и присоединены к их ближайшему фиксированному структурному элементу, либо трансмембранной спирали, либо консервативной дисульфидной связи с TM 3. Полный MSA всех рецепторов доступен на www.rosettagpcr.org и www.github.com/benderb1/rosettagpcr.

Изготовление модели

Когда все входные файлы были под рукой, целевые последовательности были перенесены в предварительно выровненные шаблоны с помощью приложения partial_thread компании Rosetta [23]. Потоковые модели были переданы в приложение для гибридизации с использованием скриптов Rosetta XML [23,32]. За один прогон было создано 100 или 1000 моделей, как указано в тексте.

Результаты

Выравнивание на основе смешанных последовательностей и структур имеет решающее значение для успеха моделирования

Неотъемлемой частью любого протокола моделирования гомологии является выравнивание между последовательностью целевого белка и структурой матрицы.Это выравнивание отображает целевую последовательность на структуру шаблона в процессе, называемом потоком [9]. Для этого процесса необходимо выравнивание последовательностей, и было создано множество методов поиска [27,28]. Каждый метод выравнивания последовательностей использует свой алгоритм для взвешивания важности сохранения последовательности на глобальном или локальном уровне со штрафами за пропуски или без них. По мере того, как мы узнаем больше о структурах различных белков, становится очевидным, что структура часто консервативнее, чем последовательность.По существу, были сгенерированы дополнительные алгоритмы, основанные на структурном выравнивании и распознавании складок домена [29,30]. Этот последний случай присущ семейству GPCR, в котором общая идентичность последовательностей между рецепторами составляет около 30%, в то время как все рецепторы имеют сходную структурную складку. Наиболее известным выравниванием GPCR является нумерация Баллестероса-Вайнштейна (BW) [33], которая определяет наиболее консервативный остаток в каждой α-спирали и устанавливает его в качестве отправной точки для выравнивания (т.е. 3,50 является наиболее консервативным остатком в спирали 3). .При подсчете вдоль α-спирали по отношению к этому остатку перечисляются все остальные остатки. Несмотря на то, что такое выравнивание полезно, оно не соответствует двум аспектам. По мере того, как становилось доступным больше рецепторных структур, было обнаружено, что не все семейства рецепторов строго придерживаются периодичности от i до i + 4 в каждой α-спирали [34]. Вставки и делеции привели к локальным изменениям спиральности, в частности, вокруг остатков пролина или глицина. Во-вторых, нумерация BW не работает в областях петли, поскольку разные рецепторы имеют разную длину α-спиралей и резко различающиеся петлевые структуры, особенно внутри внеклеточной петли 2 (ECL2), которая может принимать неупорядоченные конформации, α-спирали или β-листы.Поскольку эти петли имеют решающее значение для распознавания лигандов [35], они широко расходятся по последовательностям, что еще более затрудняет создание значимых выравниваний последовательностей. Однако, несмотря на расхождение последовательностей, есть доказательства структурной консервации в этих регионах [36]. Следовательно, критическим компонентом настоящего метода было объединение информации о последовательности и структуре в оптимизированное, основанное на знаниях выравнивание последовательностей для шаблонов с акцентом на структурное выравнивание в областях петель (S1 фиг. И методы).

Мы сравнили это новое выравнивание с другими методами выравнивания на основе последовательности или структуры. Для каждого рецептора в тесте было создано 100 моделей для каждого из шести испытанных методов выравнивания. Среднее значение RMSD для целевого белка было разделено на среднее RMSD для той же цели с использованием нового выравнивания, что привело к кратному изменению, и сообщается среднее значение по полному тесту (рис. 1). Как видно, несмотря на использование только последовательности (ClustalOmega [27] и Muscle [28]), только структуры (Mustang [30]) или автоматического смешанного выравнивания (T-Coffee, TM-PSI и Espresso (режим PDB) [ 29]), выравнивание, основанное на знаниях, работает лучше всего во всех протестированных регионах.Для рецепторов класса А установлено, что трансмембранная (ТМ) область моделируется почти одинаково во всех методах. Однако, поскольку общая точность была улучшена, мы стремились определить, какой нетрансмембранный компонент вносил вклад в это улучшение. Невероятно, но мы обнаружили, что ECL2, самая длинная из внеклеточных петель и наиболее сложная для моделирования, была значительно улучшена нашими выравниваниями. Мы считаем, что это также верно для рецепторов классов B, C и F. Хотя в этих семьях точность ТМ также улучшается.В целом это демонстрирует, что выравнивание на основе смешанных последовательностей и структур может повысить точность как в структурно определенных регионах (TM), так и в длинных сложных петлях (ECL2). Это имеет значение для других систем, в которых петли могут иметь решающее значение для функции белка и распознавания партнера по связыванию. В частности, это аналогично исследованиям по моделированию антител, в которых были разработаны протоколы для моделирования длинных петель областей, определяющих комплементарность [37,38].

Рис 1.Сравнение среднего изменения RMSD с использованием различных методов выравнивания.

Всего было изготовлено 100 моделей для каждого метода центровки. Среднее RMSD моделей было нормализовано к среднему RMSD моделей, созданных с выравниванием на основе знаний (черный). Значения выше 1 представляют метод согласования, который в среднем дает худшие модели, тогда как значения ниже 1 представляют метод согласования, который в среднем дает лучшие модели. Для (A) всех рецепторов независимо от семьи моделирование на основе знаний работает лучше всего, независимо от анализируемого региона.При разделении между (B) классом A и (C) классами B, C и F большинство улучшений обнаруживается в классах B, C и F, где доступность шаблонов ограничена.

https://doi.org/10.1371/journal.pcbi.1007597.g001

Гибридизация пептидных фрагментов улучшает качество целевой модели

Наш предыдущий эталонный тест моделирования GPCR основывался на потоковой передаче с одним шаблоном [22]. Мы хотели резюмировать это первоначальное исследование с использованием кода Hybridize [23], чтобы учесть вставку пептидного фрагмента, чтобы увидеть, какое влияние оказывает отбор проб пептидов на качество выходных данных.Пептидные фрагменты добываются из PDB на основе целевой последовательности и могут улучшать локальную геометрию, которая может быть недоступна из структур-шаблонов [24]. Этот анализ был ограничен восемью рецепторами с матрицами высокой идентичности, доступными в тесте 2013 года (β1AR, β2AR, M2R, M3R, δOR, κOR, μOR и NOPFQ). В этом эксперименте каждая мишень была смоделирована на единственной наилучшей доступной матрице с идентичностью последовательностей более 40% или менее 40% и позволяла гибридизоваться с библиотекой пептидных фрагментов (таблица S2).Как видно на фиг. 2, с использованием того же шаблона, который использовался в предыдущем способе с одинарной потоковой передачей, гибридизация структур шаблона с пептидными фрагментами может существенно повысить точность выходной модели во всех измеренных областях. Трансмембранная область улучшается в среднем более чем на один ангстрем до среднеквадратичного отклонения (RMSD) на 0,8 Å для кристаллических структур, демонстрируя высокоточное моделирование этой области. Область ECL2 снова продемонстрировала резкое улучшение со средним среднеквадратичным отклонением кристаллической структуры, равным 1.0 Å по сравнению с предыдущим методом моделирования с одной матрицей без вставки пептидного фрагмента, который показал среднее RMSD 5,0 Å. Полная модель RMSD, которая учитывает все оставшиеся петли и гибкие концы, также показала небольшое улучшение с 2,9 до 2,1 Å. Эти результаты были аналогичными при использовании одного шаблона с идентичностью последовательностей менее 40%. И область TM, и ECL2 улучшились как минимум на 1,0 Å, в то время как среднеквадратичное значение полной модели фактически ухудшилось на 0,5 Å. Вероятно, это связано с тем, что расходящиеся рецепторы имеют резко разные конформации концов, на которые часто влияют артефакты упаковки кристаллов.Взятые вместе, пептидная вставка составляет существенное улучшение по сравнению с одной нитью, даже когда используются шаблоны с идентичностью последовательностей ниже 40%.

Рис. 2. Сравнение методов моделирования единой матрицы с вставкой пептида.

Используя только подмножество рецепторов и шаблонов, которые были доступны в нашем исходном тесте моделирования GPCR (желтый в таблице S2), было создано 100 моделей с использованием либо одного шаблона высокой идентичности, либо лучшего шаблона, доступного ниже 40%.Исходные результаты эталонного теста 2013 г. [22] отображаются черным цветом. Использование кода гибридизации с одними и теми же исходными шаблонами значительно улучшило результаты по всем показателям (средний серый). Использование шаблона с низкой идентичностью в гибридизации (светло-серый) ожидаемо ухудшило результаты по сравнению с шаблоном с высокой идентичностью, но было либо лучше, либо сопоставимо с исходным алгоритмом потоковой передачи.

https://doi.org/10.1371/journal.pcbi.1007597.g002

Несколько шаблонов улучшают производительность для мишеней с низкой последовательностью идентичности

Хотя вставка пептида помогла повысить точность в областях TM и ECL2, общая точность модели снизилась при использовании одной матрицы с идентичностью последовательностей менее 40% по отношению к целевой модели.Поэтому мы ожидали, что несколько шаблонов смогут преодолеть недостатки любого отдельного шаблона при моделировании цели с низкими шаблонами идентичности [23]. Мы сгенерировали 1000 моделей для каждого рецептора в тесте, используя либо один лучший шаблон с идентичностью менее 40%, либо десять лучших доступных шаблонов с идентичностью с 40% идентичности, и сравнили средние RMSD полученных моделей (рис. 3 и 4). Как и ожидалось, средние RMSD улучшились почти для всех рецепторов в критериях ECL2 и полной модели.Область TM была довольно нечувствительной к увеличению доступности шаблона, показывая в среднем улучшение только на 0,05 Å для всего набора. В обоих условиях большинство рецепторов моделируются с точностью в этой области ниже 2 Å. Некоторые исключения из вышеупомянутых тенденций заслуживают внимания, поскольку они могут повлиять на моделирование для конкретных целей. В области TM оба рецептора класса C довольно плохо работают с любым набором шаблонов. Это связано с тем, что порог в 40% для выбора шаблонов удалил другой рецептор класса C из пула шаблонов, так что они были смоделированы с помощью шаблонов, не относящихся к классу C, функция, которую мы не рекомендуем для общего моделирования.Поскольку структура области TM отличается для этих белков по сравнению с другими классами, ожидалось, что ошибка будет высокой. Напротив, для рецепторов класса B две структуры имеют идентичность последовательностей на 35% по отношению друг к другу, что позволяет включать эти структуры в качестве шаблонов в тест, что приводит к повышению производительности. В ECL2 есть два рецептора класса A (S1P1 и LPA1), которые очень хорошо работают при использовании одного шаблона по сравнению с десятью шаблонами. Это единственные два рецептора в тесте, в которых отсутствует консервативный дисульфид между ECL2 и TM3.Их петлевые структуры отличаются от всех других рецепторов, и в результате моделирование петель хорошо работает только при использовании единственного родственного шаблона (рис. 4C). В полной модели RMSD и родопсин, и сглаженный рецептор работают плохо независимо от используемого метода моделирования. Это потому, что оба имеют чрезвычайно длинные и необычные петли и концы (рис. 4F). Следует отметить, что ТМ-области этих двух рецепторов моделируются со среднеквадратичным отклонением 1,5 Å и 2,7 Å для кристаллических структур 1U19 и 4JKV, соответственно.Кроме того, только два рецептора класса A работают хуже при расчете RMSD полной модели при использовании нескольких шаблонов. Это снова S1P1 и LPA1, которые плохо работали при моделировании ECL2. Похоже, что низкое качество ECL2 отражается в RMSD полной модели, поскольку разница в области TM для этих двух структур составляет всего 0,1–0,2 Å. Эти наблюдения важны при выборе наилучшего набора шаблонов для новой цели. Если петли и окончания отличаются от любого известного шаблона, как в случае с Smoothened, можно ожидать, что этот метод будет работать хуже.Кроме того, если последовательности циклов и предсказанные вторичные структуры подобны только одному доступному шаблону, можно ожидать, что использование одного шаблона будет лучше, чем несколько шаблонов.

Рис. 3. Сравнение средних RMSD для моделирования гомологии одного и нескольких шаблонов.

Используя либо один шаблон, либо десять шаблонов, для каждой цели было создано 1000 моделей, и было рассчитано среднее RMSD для области TM (A), ECL2 (B) и полной модели (C). Значения, которые находятся выше диагонали, работают лучше при использовании нескольких шаблонов, а значения, которые находятся ниже диагонали, лучше работают с одним шаблоном.Мишени раскрашены по классам.

https://doi.org/10.1371/journal.pcbi.1007597.g003

Рис. 4. Примеры результатов, которые можно получить с помощью RosettaGPCR.

Во всех случаях кристаллическая структура окрашена в серый цвет, а модель — в синий. Представлены три различные структуры петель ECL2: неупорядоченная (A), β-лист (B) и липид-связывающая (C). RosettaGPCR хорошо работает с петлями, содержащими консервативный дисульфид. Для липидных рецепторов, лишенных консервативного дисульфида (C), несколько матриц (синий) работают хуже, чем использование одного шаблона с аналогичной структурой (зеленый), в данном случае рецептора LPA.Внеклеточные петли 3 (D) и 1 (E) также довольно хорошо работают с этим методом. В общем, RosettaGPCR может моделировать ТМ-область большинства рецепторов ниже 2 Å (F). Однако для рецепторов, таких как родопсин, со сложной петлевой структурой и концами (красный), модель (голубой) не может уловить общую конформацию (8,0 Å RMSD).

https://doi.org/10.1371/journal.pcbi.1007597.g004

Определение оптимального количества шаблонов

Как сообщалось ранее для моделирования гомологии нескольких шаблонов, использование нескольких шаблонов, улучшая результаты по сравнению с подходом с одним шаблоном, снизит точность модели, если используется слишком много шаблонов [25].Таким образом, мы определили оптимальное количество шаблонов в среднем для моделирования GPCR с помощью нашего метода. Мы создали дополнительные 1000 моделей для каждого рецептора, используя пять или все доступные шаблоны, и сравнили данные с предыдущими данными по одному и десяти шаблонам (рис. 5). И для региона TM, и для ECL2 использование всех доступных шаблонов было хуже, чем для любого другого набора шаблонов, в то время как средние RMSD были довольно схожими для одного, пяти и десяти. Однако для полной точности модели использование одного шаблона было хуже, чем все другие наборы шаблонов.Пять шаблонов показали отличные результаты с точки зрения полной точности модели по сравнению с другими наборами шаблонов, при этом обеспечив лишь небольшое улучшение по сравнению с другими наборами шаблонов в областях TM и ECL2. Поэтому мы предлагаем пять шаблонов, которые в среднем являются лучшим количеством шаблонов для моделирования GPCR с помощью нашего метода. По сравнению с предыдущим тестом, набор из пяти шаблонов был единственным набором шаблонов с низкой идентичностью, который работает лучше, чем один шаблон с высокой идентичностью без гибридизации по полной модели (рис. 2).Опять же, здесь не принимаются во внимание исключения, упомянутые выше. При моделировании какого-либо одного рецептора, в частности, опытный пользователь захочет использовать все доступные знания, чтобы определить лучший пул шаблонов для моделирования. Поэтому мы предоставляем все входные файлы, необходимые для моделирования, чтобы пользователь мог оптимизировать процесс, используя свои экспертные знания.

Рис. 5. Сравнение точности модели при разном количестве стартовых шаблонов.

Для каждой цели было создано 1000 моделей с использованием 1, 5, 10 или всех доступных шаблонов.Среднее RMSD нанесено на график для области TM, ECL2 и полной модели.

https://doi.org/10.1371/journal.pcbi.1007597.g005

Улучшенный протокол конкурентоспособен с другими серверами моделирования GPCR

Затем мы сравнили наш метод с другими серверами моделирования GPCR. Были включены три сервера с общедоступными базами данных моделей GPCR, GPCRdb [16], GPCR-I-Tasser [13] и GPCR-SSFE [15]. Мы идентифицировали четыре структуры GPCR человека, которые были выпущены после завершения разработки метода.Четыре структуры были C5aR1, Y1R, PTAFR и D2R (PDB IDs 6C1R [39], 5ZBQ [40], 5ZKQ [41] и 6CM4 [42], соответственно). Следует отметить, что в базе данных GPCR-SSFE отсутствует структура рецептора D2 для сравнения. Мы создали 100 моделей каждого рецептора-мишени с использованием пяти шаблонных структур и выбрали лучшую модель по общей энергии. Сравнивая нашу модель с моделями, созданными другими серверами, мы обнаруживаем, что RosettaGPCR стабильно работает среди лучших прогнозов (Таблица 1). Мы обнаружили два случая, когда другие серверы превосходят наши модели.Для структуры C5aR1 GPCR-I-Tasser едва достигает лучшего RMSD для полной модели (1,649 против 1,661 Å). GPCRdb построил лучший ECL2 Y1R по сравнению с нашим со среднеквадратичным отклонением 1,617 Å против 1,896 Å соответственно. Мы признаем, что эти серверы во многих случаях работают хорошо, хотя все могут бороться с ECL2. Однако точная причина различий между серверами моделирования многогранна. Хотя основной алгоритм моделирования отличается (например, Modeller, I-Tasser, Rosetta), каждый сервер может также выбирать разные шаблоны и, что важно, использовать разные методы выравнивания.Например, GPCRdb выравнивает только спиральные сегменты рецепторов, в значительной степени игнорируя выравнивание петель. Напротив, мы обнаружили, что ручное курирование позволяет установить мост между выравниванием на основе последовательностей и структур. В целом RosettaGPCR работает также, если не лучше, для этих тестовых случаев. Кроме того, сильная сторона подхода Rosetta заключается в том, что полученные модели можно будет напрямую переносить в дополнительные приложения в рамках более крупного пакета Rosetta, включая стыковку и дизайн.

Таблица 1.Результаты предсказания новой структуры от различных серверов моделирования GPCR.

Слепые предсказания были выполнены для C5aR1 (PDB ID 6C1R [39]), Y1R (PDB ID 5ZBQ [40]), PTAFR (PDB ID 5ZKQ [41]) и D2R (PDB ID 6CM4 [42]). С помощью RosettaGPCR было создано 100 моделей для каждой мишени, и для анализа использовалась лучшая оценочная модель. RMSD каждой модели для различных серверов были рассчитаны для региона TM, ECL2 и полной модели. Самая эффективная модель по каждому критерию оценки выделена жирным шрифтом.Нет данных для GPCR-SSFE для D2R.

https://doi.org/10.1371/journal.pcbi.1007597.t001

Точность моделей со все более худшими шаблонами не снижается линейно

В нашей предыдущей работе по моделированию GPCR с использованием потоковой передачи одного шаблона было обнаружено, что шаблоны должны иметь более 50% идентичности последовательностей для точных моделей [22]. Впоследствии было предложено использовать моделирование нескольких матриц в Rosetta с точностью примерно до 40% идентичности последовательностей [23].Однако в этом текущем тесте мы используем только шаблоны с идентичностью последовательностей менее 40% и по-прежнему производим высокоточные модели рецепторов. Поэтому мы хотели определить новый нижний порог идентичности последовательности шаблона. Мы разработали эксперимент, в котором мы объединили доступные шаблоны в группы с идентичностью последовательностей 15–19%, 20–24%, 25–29% и 30–39% (не было достаточно шаблонов в диапазоне 30–39% для разделения на два бункера). Затем мы идентифицировали три рецептора по крайней мере с пятью шаблонами в каждой группе идентичности и выполнили моделирование гомологии с несколькими шаблонами с каждым набором из пяти шаблонов.Результаты, показанные на рис. 6, показывают, что в целом точность области TM не зависит от использования шаблонов вплоть до 20% идентичности последовательностей. Та же самая тенденция сохранялась и для полной точности модели, когда резко увеличивалось RMSD для шаблонов с идентичностью менее 20%. ECL2 был наиболее чувствительной областью, где точность резко падает при использовании более низких шаблонов идентичности. Этого следовало ожидать, поскольку структурная консервация петли ECL2, по-видимому, зависит от семейства, а использование более низких шаблонных структур требует перехода к более дивергентным рецепторам.Взятые вместе, мы предполагаем, что шаблоны с идентичностью до 20% дают точные модели, особенно в области TM, которая важна для понимания сайта распознавания лиганда.

Рис. 6. Точность модели с шаблонами в нескольких диапазонах идентичности последовательностей.

Были идентифицированы три рецептора (4ZUD [43], 3PBL [44] и 2Rh2 [5]), которые имели не менее 5 матриц в каждом диапазоне идентичности (30–39%, 25–29%, 20–24% и 15–19%). Используя идентифицированные 5 шаблонов для каждого диапазона идентичности, было сгенерировано 100 моделей, и RMSD этих моделей отображается в виде прямоугольных и усых диаграмм для каждого региона (TM, ECL2 и полная модель).

https://doi.org/10.1371/journal.pcbi.1007597.g006

Разработка базы данных для всех человеческих GPCR без запаха

Эффективно подталкивая нижний порог до 20% идентичности последовательностей, мы теперь можем прогнозировать модели для оставшихся GPCR, которые считаются лекарственными. С этой целью мы определили лучшие шаблоны (по состоянию на июнь 2020 г.) по идентичности для всего набора неонфакторных человеческих GPCR (S2, рис.). Из 397 рецепторов у 73 определена по крайней мере одна структура.Это обеспечивает 81 рецептор с шаблоном с идентичностью последовательностей выше 40%, предыдущий порог для точного моделирования. Однако число рецепторов с матрицей между 20 и 40% составляет 201. Только 41 рецептор (или 10% семейства рецепторов) остается с идентичностью последовательностей менее 20%, и поэтому ожидается более низкая точность их моделей. Поэтому мы применили нашу методологию ко всему семейству GPCR классов A, B, C и F без запаха, чтобы создать базу данных моделей, доступную на сайте www.rosettagpcr.орг. Насколько нам известно, это единственный доступный сервер GPCR на основе Rosetta, что отличает его от многих серверов на основе Modeller. Хотя это правда, что сервер Robetta существует для моделирования общей гомологии, он не разработан с учетом мембранного потенциала и полагается на методы автоматического выравнивания, которые, как мы показываем, недостаточны для шаблонов с низкой идентичностью. Преимущество использования сервера моделирования на основе Rosetta заключается в том, что модели можно использовать непосредственно в других приложениях Rosetta, таких как стыковка лигандов, стыковка белок-белок и дизайн.Переключение моделей между разными программами может привести к проблемам из-за внутренних различий в энергетических функциях. В настоящее время все модели находятся в неактивном состоянии, хотя, вероятно, они будут расширены до моделей активного состояния, поскольку более активные структуры состояния определяются с помощью криоэлектронной микроскопии. Кроме того, было показано, что совместное моделирование лигандов в моделях гомологии может повысить точность данной модели по отношению к экспериментальной структуре. У нас есть предварительные данные, позволяющие предположить, что это верно и для RosettaGPCR (S3, рис.).Однако для целей моделирования всех рецепторов химическое и конформационное пространство является слишком большой проблемой для решения массового моделирования и лучше всего подходит для индивидуального целевого приложения. С этой целью мы предоставляем все входные файлы, необходимые для того, чтобы данная модель рецептора могла быть улучшена с помощью целевой информации, такой как совместное моделирование лигандов.

Обсуждение

Точное моделирование целей на основе шаблонов с низкой идентичностью — сложная задача для вычислительной биологии. GPCR представляют собой неудовлетворенную потребность в этой области, поскольку большинство GPCR остаются структурно не охарактеризованными и обладают идентичностью в среднем ниже 40% с другими рецепторами.Многие из этих белков уже имеют одобренные FDA лекарственные средства, нацеленные на них [3], но глубокое понимание молекулярной основы лекарственного вмешательства отсутствует. Кроме того, около трети этих рецепторов классифицируются как орфанные рецепторы, поскольку эндогенный лиганд не идентифицирован [8]. Структурная перспектива кармана связывания лиганда может помочь пролить свет на эту группу рецепторов. Мы изложили здесь ключевые соображения для моделирования гомологии белков с низкой идентичностью последовательностей с матрицами, используя GPCR в качестве фокуса.Входные данные имеют решающее значение для успеха любой программы моделирования гомологии, и их оптимизация должна быть приоритетом любой новой кампании моделирования. Мы показываем, что улучшенное выравнивание, включение пептидных фрагментов для устранения неточностей шаблонов и ограничение набора шаблонов наиболее подходящими могут позволить точное моделирование структур с шаблонами с идентичностью менее 40%, а затем применить этот метод ко всем непахучим GPCR. для создания базы данных RosettaGPCR. Однако мы хотим подчеркнуть, что методология применима к любым программам моделирования гомологии.Мы предоставили все необходимые данные для создания нашей базы данных в надежде, что новый пользователь адаптирует протокол к своему конкретному тесту и экспертным знаниям, включая информацию о лигандах, мутационный анализ или доступность нового шаблона.

Вспомогательная информация

S2 Таблица. Список шаблонов для каждой цели, упорядоченный по идентификатору последовательности.

Шаблоны, выделенные желтым цветом, не использовались для общего моделирования, поскольку они имеют идентичность последовательностей более 40%.Выделенные жирным шрифтом шаблоны использовались для моделирования высокой идентичности по одному шаблону для сравнения с предыдущим тестом.

https://doi.org/10.1371/journal.pcbi.1007597.s002

(TIF)

S2 Рис. Процентное определение наилучшего доступного шаблона для каждого человеческого GPCR без запаха.

Для каждого рецептора в геноме человека лучшая матрица была идентифицирована в PDB. На графике нанесена идентичность последовательностей из лучших доступных. Большинство шаблонов превышают 20% -ный порог, определенный как критический для точного моделирования.Предыдущий порог идентичности 40% выделен красным, а новый порог идентичности 20% выделен черным.

https://doi.org/10.1371/journal.pcbi.1007597.s004

(TIF)

S3 Рис. Влияние включения лиганда на точность модели.

Сотня моделей рецептора D3 была смоделирована либо с помощью нескольких шаблонов с низкой идентичностью (красный), либо с одним шаблоном с высокой идентичностью (зеленый), а RMSD полной модели нанесены на график в виде скрипичных графиков. Как и ожидалось, шаблон с высокой идентичностью в среднем дает модели с более высокой точностью.Включение лиганда в процессе моделирования дополнительно повышает точность по сравнению с состоянием апо как для нескольких шаблонов с низкой идентичностью (голубой), так и для одного шаблона с высокой идентичностью (фиолетовый).

https://doi.org/10.1371/journal.pcbi.1007597.s005

(TIF)

Моделирование с помощью молекул 2.02 | Vensim

Введение

Этот документ содержит краткую теорию молекул, описание того, как установить молекулы для использования с Vensim, а затем учебное пособие, показывающее, как использовать молекулы в Vensim.

Молекулы устанавливаются с Vensim

Чтобы использовать Molecules, вам необходимо прочитать и принять лицензионное соглашение, которое вы можете просмотреть здесь.

Документация по отдельным молекулам содержится в файле Molecule.pdf (файл формата Adobe Acrobat), который устанавливается вместе с молекулами. Вы можете найти молекулы в одном из следующих мест.

Microsoft Windows:	C: \ Users \ Public \ Vensim \ Models \ Molecules
Apple Mac OSX:	/ Пользователи / Shared / Vensim / Справка / Модели / Молекулы

Краткое руководство по молекулам находится ниже на этой странице.

Молекулы и их реализация — это незавершенная работа. Комментарии и предложения приветствуются. Их следует отправить по электронной почте Джиму Хайнсу.

Теория

Молекулы — это строительные блоки хороших моделей системной динамики. Молекулы и их организация обеспечивают основу для представления важных и часто используемых элементов структуры модели новичкам и опытным разработчикам моделей. Имея доступ к проверенным и верным формулировкам, разработчики моделей могут анализировать то, что было сделано ранее, и изменять или напрямую включать эти формулировки в свои собственные модели.Теперь молекулы реализованы в программном обеспечении, что позволяет новичкам и опытным разработчикам моделей быстрее и проще разрабатывать высококачественные модели системной динамики.

Фон

На развитие навыков создания хороших моделей системной динамики уходит много лет. К сожалению, мало у кого есть на это время. Как только человек овладевает идеями обратной связи, структуры и поведения, его часто призывают использовать эти знания, разрабатывая имитационную модель. Из-за отсутствия большого опыта разработка таких моделей трудна и требует много времени, а качество получаемых в результате моделей зачастую оказывается ниже приемлемого.

Разработка хороших моделей требует, чтобы разработчик модели абстрагировался от проблемы в достаточной степени, чтобы получить краткую и удобную формулировку. В качестве примера рассмотрим задачу определения среднего уровня квалификации рабочих на фабрике. Один из правильных и конкретных способов сделать это — отслеживать каждого отдельного работника. Поскольку это непрактично, разумным динамическим приближением может быть цепочка старения. Альтернативой и более компактным представлением может быть сопутствующий поток продуктивности (сопутствующий поток с обучающим эффектом).Знание того, что эти два варианта доступны, и знание того, какой из них выбрать, требует некоторого знакомства с концепциями при формальном обучении, обзора других моделей или переосмысления структур. Молекулы предоставляют методологию, помогающую новичкам и опытным моделистам выбрать подходящую структуру для решаемой задачи.

Запасы, потоки и…

На самых ранних этапах обучения построению моделей люди обнаруживают разницу между запасами и потоками. Также обычно вводятся более тонкие различия и другие концепции, такие как вспомогательные функции, константы, справочные таблицы и формулировка уравнений.После этого введения большая часть обучения проводится на примерах, без какой-либо используемой таксономии для дальнейшего изучения. Это очень похоже на то, как дать четкое объяснение о дереве и гвоздях, а затем позволить ученикам наблюдать за строящимся домом, чтобы научиться делать это самим.

Так же, как стандартные опорные конструкции и методы сборки используются при строительстве домов, часто повторяющиеся и почти стандартные опорные конструкции используются в строительных моделях. Некоторые из этих подструктур, такие как задержки первого и третьего порядка (Forrester, 1961) и параллельные потоки (Hines, 1983, Homer, 1983), были задокументированы и подробно обсуждались.Однако большинство из них остается неявной, частью базы знаний, которую развивает каждый человек.

Молекулы

Эти элементы структуры называются «молекулами». Молекулы состоят из примитивных материалов, потоков или вспомогательных элементов и, в свою очередь, являются строительными блоками полных моделей. Молекула — это элемент субструктуры, служащий определенной цели. Аналогия с химией не точна, но название действительно передает тот же дух. Одна из простейших молекул, которая, вероятно, присутствует в большинстве моделей, — это процесс распада.

Для такой простой молекулы, как эта, вероятно, проще всего просто проверить форму и напрямую ввести структуру и уравнения. Однако для более сложных молекул будет легче включить молекулы в модель и внести соответствующие изменения во внешний вид, условные обозначения и уравнения.

В настоящее время молекулы сформулированы как полные динамические модели.Поскольку компоненты молекул (такие как уровень в приведенном выше примере) могут уже присутствовать в модели, должна быть гибкость в отношении того, какую часть молекулы включить. Части молекулы можно скопировать и включить в модель.

Молекулы и объекты

Молекулы тесно связаны с тем, что в объектно-ориентированном программировании называется «классами». Материальная молекула задержки происходит из молекулы распада и используется в молекуле цепи старения. Аналогичным образом, совместный поток продуктивности выводится из стандартного совместного потока, который получается из гладкого (Hines, 1983).Эта объектно-ориентированная организация очень полезна, поскольку дает хороший способ узнать о последовательно более сложных молекулах. Как только молекула полностью изучена, становится намного легче понять другие молекулы, которые из нее происходят.

Молекулы и архетипы

Полезно различать молекулы и архетипы (Senge 1990). Архетипы представляют собой уроки динамики, которые были извлечены из систем, имеющих определенные структурные характеристики.Молекулы — это строительные блоки, из которых создается структура. Молекулы улучшают способность представлять структуру, но не извлекают динамических уроков из конкретных структур.

Программное обеспечение для молекул

Текущая реализация молекул является дополнением к программному обеспечению Vensim ^® . В конечном итоге структура молекулы будет доступна как отдельное приложение, которое позволит пользователям искать, экспериментировать и классифицировать молекулы множеством различных способов.Молекулы будут доступны для использования с программным обеспечением системной динамики, поддерживающим протокол формата обмена моделями (MIF) (Myrtveit 1995). Это позволит любому, у кого есть программное обеспечение системной динамики, использовать молекулы.

Таксономия

На следующей диаграмме представлен предварительный выбор молекул и их взаимосвязей.

Диаграмма выше представлена, когда пользователь выбирает пункт меню Vensim Windows> Molecules.Двойной щелчок по любому имени на диаграмме вызывает эту молекулу. Затем пользователь может выбрать молекулу (или ее часть), скопировать ее в буфер обмена и вставить в модель, над которой он работает. После этого обычные инструменты Vensim используются для переименования элементов модели, изменения единиц измерения и завершения построения модели.

Список литературы

Форрестер, Джей У. (1961). Промышленная динамика . Кембридж, Массачусетс: MIT Press.
Хайнс, Джеймс Х., (1983). «Новые уравнения Coflow». Рабочий документ MIT System Dynamics Group D-3488.
Гомер, Джек Б. (1983). Динамическая модель для анализа появления новых медицинских технологий . Доктор философии, M. I. T.
Myrtveit, Magne (1995). «Модели, выходящие за рамки инструментов». В Toshiro Shimada & Khalid Saeed (Ed.), System Dynamics ’95, , 1 (стр. 170-179). Токио
Сенге, Питер М. (1990). Пятая дисциплина: искусство и практика организации обучения. Нью-Йорк: Даблдей / Валюта.

Установка молекул для Vensim

Хотя молекулы являются общими и в конечном итоге будут использоваться со всем программным обеспечением системной динамики, текущая реализация работает только с Vensim.

Требования к программному обеспечению

Для добавления молекул требуется Vensim (PLE, PLE Plus, Professional или DSS) версии 5 или более поздней.

Подготовка

Загрузите программу установки молекулы, если вы еще этого не сделали. Версия для Windows называется «Молекула ».exe , версия для Macintosh называется Molle.hqx . Если ваш веб-браузер не делает этого автоматически, вам нужно будет преобразовать файл .hqx в исполняемый файл Mac с помощью конвертера BinHex.

Установка — Windows

Если Vensim открыт, закройте его. В диспетчере файлов или проводнике запустите или дважды щелкните файл Molele.exe . (часть .exe не всегда будет видна). Прочтите условия лицензионного соглашения и авторского права. Нажмите «Принять», чтобы принять условия.Появится диалоговое окно с запросом каталога для установки молекул. Каталог по умолчанию — C: \ VENSIM \ MOLECULE. Вы можете выбрать другой диск и каталог, если хотите. Нажмите «Установить», и молекулы будут установлены.

Установка — Macintosh

Если Vensim открыт, закройте его. Дважды щелкните Molecule Installer . Просмотрите информацию об авторских правах и лицензии и нажмите «Продолжить», чтобы принять условия. Выберите папку для установки молекул и нажмите «Установить».Вероятно, проще всего установить молекулы в папку, содержащую программный файл Vensim.

Настройка Vensim для использования молекул

Если программа установки молекулы прошла успешно, вы можете просто использовать команду меню Windows> Molecule, чтобы открыть основную молекулу. Если есть проблема с установкой, или если вы устанавливаете Vensim после установки молекул, вам нужно будет указать полный путь к каталогу с молекулами для Vensim. Этот путь имеет вид C: \ VENSIM \ MOLECULE \ на ПК (важно, чтобы последнее \ оставалось на месте) и: MacintoshHD: Vensim: Molecule: на Macintosh (важно сохранить последнее: на месте) .

Vensim PLE / PLE Plus

Если Vensim PLE не сможет открыть молекулы с помощью команды Windows> Molecule, вам будет предложено ввести путь к каталогу с молекулами.

Vensim Professional и DSS

В разделе «Инструменты»> «Параметры»> «Запуск» есть запись «Молекулы». Введите полный путь к этой записи. После этого вам нужно будет закрыть и снова открыть Vensim.

Учебное пособие — Использование молекул с Vensim

Каждая молекула представляет собой законченную имитационную модель.Каждая молекула состоит из переменных и причинной структуры (отображается графически), а также уравнений, лежащих в основе каждой переменной. Когда молекула открыта, вы можете выбрать с помощью указателя, какую часть молекулы нужно скопировать. Используя пункт меню Правка> Копировать, выделенная часть молекулы копируется вместе со структурой и уравнениями. Все, что не выделено, остается позади. Вы можете выделить всю молекулу (включая любой текст) с помощью Edit> Select all (Ctrl + A).

Добавление молекулы

• Запустите Vensim.
• Выберите «Файл»> «Новая модель».
• Нажмите кнопку OK , чтобы принять временные рамки по умолчанию.
• Выберите Windows> Molecules.
• И ваша новая модель, и управление молекулами открыты. Вы можете переключаться между ними, удерживая клавишу Ctrl и нажимая клавишу Tab или выбирая окно модели или молекул в меню Windows.
• Дважды щелкните по молекуле Уровень .

Отображается молекула уровня .(Вы можете перемещаться между тремя открытыми окнами с помощью Ctrl + Tab.)

Мы собираемся переименовать структуру молекулы, чтобы она представляла интересующую модель.

• Выберите инструмент «Переменная» (на панели инструментов эскиза).
• Щелкните один раз на переменной Level. Откроется окно редактирования. Удалите слово Level, введите Inventory и нажмите Enter. Щелкните один раз на переменной Увеличение количества. Удалите его, введите production и нажмите Enter. Щелкните один раз на переменной «Уменьшение количества».Удалите его, введите отгрузки и нажмите Enter.

Теперь ваша диаграмма должна выглядеть так:

ПРИМЕЧАНИЕ. Когда вы изменили имена переменных, соответствующие уравнения были автоматически изменены, чтобы отразить новые имена.

Изменение уравнений

Чтобы смоделировать модель, нам нужно добавить и изменить уравнения, чтобы отразить внесенные изменения. В уравнения в этой молекуле не было внесено никаких изменений.Однако в этой молекуле есть единицы времени года; в нашей модели есть единицы измерения времени месяца (по умолчанию в поле Модель> Настройки> Границы времени). Нам нужно будет изменить единицы измерения с лет на месяцы для переменных по всей модели. (Хотя, если бы мы хотели, чтобы модель работала годами, мы могли бы изменить это, выбрав Модель> Настройки> Границы времени и изменив с месяцев на годы.)

• Выберите Редактор формул на панели инструментов эскиза.
• Щелкните «Производство», измените единицы измерения на «Виджеты / Месяц», щелкните «ОК».
• Щелкните отгрузки, измените единицы измерения на виджеты / месяц, щелкните OK.

Моделирование

• В поле имя запуска введите имя запуска (например, inv1 )
• Нажмите кнопку Simulate
• Дважды щелкните инвентарь, чтобы выбрать его в качестве переменной рабочей среды, затем щелкните инструмент «График» или «Полосовой график причин».

Вы видите поведение Inventory, которое остается на нуле на протяжении всей симуляции (потому что он был инициализирован нулем, а приток и отток постоянны и имеют одно и то же значение).

Добавление второй молекулы

Производство вызвано рабочей силой, производящей товары.

• Нажмите Ctrl + Tab, чтобы вернуться к молекуле уровня . Выберите Файл> Закрыть, чтобы закрыть молекулу (или выйдите из окна с помощью кнопки закрытия в правом верхнем углу окна).
• Дважды щелкните по молекуле Workforce .
• Перетащите рамку на молекулу, чтобы выделить всю структуру (но опускайте текстовые заголовки).
• Выберите Правка> Копировать (Ctrl + C).
• Дважды нажмите Ctrl + Tab, чтобы перейти к модели инвентаря.
• Выберите Правка> Вставить (Ctrl + V)
• Нажмите «ОК» для репликации.

Молекула Workforce добавлена ​​к вашей модели. Молекула, вероятно, будет покрывать часть существующей структуры.

• Пока молекула все еще выделена, переместите инструмент «Рука» в центр выделенной структуры, удерживая левую кнопку мыши, затем перетащите молекулу подальше от существующей структуры (в данном случае перетащите ее вниз).Щелкните кнопкой мыши с указателем за пределами выделенной структуры (или нажмите Escape).

У вас должна получиться структура, показанная ниже.

Соединительные молекулы

Нам нужно соединить две молекулы вместе, чтобы сформировать полную имитационную модель. Между молекулами должна быть добавлена ​​причинная структура, и нам могут потребоваться дополнительные переменные. Уравнения необходимо соответствующим образом модифицировать, чтобы отразить изменения в структуре и изменениях единиц измерения.

Рабочие производят товары. Средний рабочий в составе рабочей силы создает определенное количество товаров за время, потраченное на работу. Эта концепция представлена ​​добавлением переменной, называемой средней производительностью. Уровень рабочей силы работает со средней производительностью для производства продукции. Количество отгрузок обусловлено количеством заказов клиентов.

• Выберите инструмент «Переменная». Щелкните эскиз под тарифом производства (слева от структуры персонала). Введите название средней производительности и нажмите Enter.
• Щелкните эскиз над тарифом отгрузки. Введите имя клиента заказов и нажмите Enter.
• Выберите инструмент «Стрелка». Нажмите один раз на «Персонал», а затем на «Производство».
• Щелкните один раз для средней производительности, а затем один раз для определения производительности.
• Щелкните один раз на заказах клиентов, а затем один раз на клапане, прикрепленном к отгрузке.

Теперь две молекулы причинно связаны друг с другом, образуя одну модель. Структура модели должна выглядеть следующим образом:

Изменение уравнений

Чтобы смоделировать модель, нам нужно добавить и изменить уравнения, чтобы отразить внесенные изменения.

• Выберите редактор формул.
• Нажмите на поставки. Удалите число 10, затем щелкните заказы клиентов в списке входов. Теперь уравнение должно выглядеть так:

отгрузки = заказы клиентов
Единиц: виджеты / месяц

• Щелкните по заказам клиентов. Добавьте уравнение с функцией ШАГ и добавьте единицы измерения, как показано ниже:

заказов клиентов = 10 + STEP (5, 10)
Единиц: виджеты / месяц

Это уравнение возвращает устойчивый поток заказов из 10 виджетов в месяц до Time = 10 месяцев, затем добавляется шаг увеличения на 5 для общего потока заказов из 15 виджетов в месяц.

• Щелкните «Инвентарь». Первоначальный инвентарь в настоящее время нулевой. Измените это на 50 виджетов, сохранив остальную часть уравнения, как показано ниже:

Запасы =
INTEG (+ производство — отгрузки
Начальная стоимость: 50
Единицы: виджеты

• Установите флажок «Дополнительный» для «Инвентаризация» (слева), чтобы отметить его как переменную, которая в настоящее время не используется нигде в модели.
• Нажмите на производство. Удалите число 10. Нажмите «Рабочая сила» в списке исходных данных, добавьте знак умножения (*), затем щелкните по средней производительности в списке исходных данных.Теперь уравнение должно выглядеть так:

производство = рабочая сила * средняя производительность
единиц: виджеты / месяц
Щелкните по средней производительности. Добавьте уравнение и единицы, как показано ниже:
средняя продуктивность = 0,1
Единицы: виджеты / месяц на человека

Структура инвентаря завершена. Хотя в структуре персонала нет черных выделений (что указывает на отсутствующие или неправильные уравнения), некоторые уравнения и единицы измерения необходимо изменить.

• Щелкните по желаемым людям.Сохраните текущее значение 100, измените единицы измерения на человека, как показано ниже:

Желаемые люди = 100
Единицы: человек

• Нажмите на время, чтобы нанять или уволить. Измените постоянное значение на 6. Измените единицы измерения на Месяц, как показано ниже:

время найма или увольнения = 6
единиц:

месяц

• Щелкните «Персонал». Измените единицы измерения на человека.
• Щелкните «Worker Shortage». Измените единицы измерения на человека.
• Щелкните «Наем и увольнение». Измените единицы измерения на человеко / месяц.

Убедитесь, что ваша модель имеет правильную формулировку (синтаксис):

• Выберите Модель> Проверить. Модель (Ctrl + T)

Должно появиться окно сообщения о том, что ваша модель в порядке. Если в вашей модели есть проблемы с синтаксисом, редактор формул откроется при (первом) уравнении, отображающем проблему.

Убедитесь, что ваша модель имеет правильные единицы измерения:

• Выберите модель> Проверить единицы (Ctrl + U)

Должно появиться окно сообщения о том, что ваша модель — AOK.Если единицы не совпадают, появится окно вывода с описанием проблем в уравнениях и их единицах измерения.

Моделирование

• В поле имя запуска введите имя запуска (например, inv2 )
• Нажмите кнопку Simulate
• Дважды щелкните инвентарь, чтобы выбрать его в качестве переменной рабочей среды, затем щелкните инструмент «График» или «Полосовой график причин».

Поведение инвентаря иррационально. Первые 10 месяцев имеют равновесное значение 50 виджетов, но затем запасы падают и становятся сильно отрицательными.Очевидно, что нам не хватает обратной связи. Нам необходимо увеличить производство, чтобы сохранить наш инвентарь, и мы делаем это, увеличивая количество рабочих в рабочей силе. Размер рабочей силы определяется желаемыми людьми, и это должно быть обусловлено поставками, которые будут сигнализировать, когда нам потребуется увеличение.

Добавление обратной связи к молекулам

• Выберите инструмент «Рука» и поместите среднюю производительность в центр модели.
• Выберите инструмент «Стрелка» и установите связи от средней производительности к Желаемым людям и от поставок к Желаемым людям, как показано ниже:

• Выберите инструмент «Редактор формул» на панели инструментов эскиза.

Должна быть выделена только переменная Desired People.

• Щелкните «Желаемые люди», измените уравнение на:

DesiredPeople = отгрузки / средняя производительность

Теперь, когда поставки увеличиваются, переменная Желаемые люди также будет увеличиваться, а после задержки будет увеличиваться рабочая сила, увеличивая производство и увеличивая запасы.

• Выберите Модель> Проверить. Модель
• Выберите модель> Проверка единиц

Моделирование

Нажмите кнопку «Панель управления» и выберите «Наборы данных».Дважды щелкните названия прогонов, появляющиеся в левом поле ( inv1 и inv2 ). Это приведет к выгрузке двух предыдущих прогонов, так что инструменты анализа будут работать только в текущем прогоне.

• В поле имя запуска введите имя запуска (например, inv3 )
• Нажмите кнопку Simulate
• Дважды щелкните Workforce, чтобы выбрать его в качестве переменной рабочей среды, затем щелкните инструмент Graph или Causes Strip Graph.

При Time = 10 рабочая сила показывает устойчивый рост до нового значения, компенсируя увеличение заказов клиентов.Поведение инвентаризации теперь улучшено, хотя проблема все еще существует. Запасы падают и остаются на более низком уровне, чем раньше. Необходима дополнительная обратная связь, чтобы компенсировать падение уровня запасов. Для получения дополнительной информации см. Модели персонала / инвентаризации wfinv1 и wfinv2 , выпущенные с программным обеспечением Vensim®.

Другие операции с молекулами

Для построения моделей с использованием молекул требуется некоторое знание графического интерфейса Vensim. Ниже описаны несколько простых операций.

Репликация

Когда молекула (или часть) вставляется в модель, пункт меню Правка> Вставить (Репликация) используется для создания новых переменных, структуры и уравнений. Не выбирайте Edit> Paste (Picture), чтобы вставить молекулы, потому что вы получите только изображение молекулы, а не переменные, структуру или уравнения. Если в модели существует переменная, имя которой совпадает с именем вставляемой переменной, переменная молекулы будет переименована. Например, если Workforce уже существует, молекула, содержащая это имя, будет переименована в Workforce 0.

Удаление или объединение структуры?

Добавление двух или более молекул может создать больше структуры, чем вам нужно. Если структура избыточна, ее необходимо удалить. Используйте инструмент «Удалить эскиз» (Pacman) или выделите его указателем и выберите «Правка»> «Вырезать» и выберите «Удалить переменные…».

На диаграмме ниже мы вставили часть молекулы Cascaded Delays или Aging Chain , а затем вставили молекулу Coflow под ней. (Отток от старения материала необходимо было перерисовать в облако с помощью инструмента эскиза скорости.)

Мы хотим заменить переменную Основное количество на переменную Новый материал; и заменить приток и отток основного количества на Втекающий материал и Созревание материала. Таким образом, мы можем построить совместный поток для определения средней характеристики Нового материала.

Поскольку структура запаса и потока одинакова, мы можем либо объединить структуры, либо удалить одну и использовать другую.В этом примере мы выбрали последний метод. Во-первых, чтобы сохранить наши знания о причинно-следственных связях, мы добавим соединительные стрелки из структуры, которую хотим сохранить, при этом сохраняя структуру, которую мы собираемся заменить.